基于深度卷积神经网络和图像传感器的道路多目标检测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第13-27页 |
| 1.1 研究背景及研究意义 | 第13-16页 |
| 1.2 多目标检测的定义 | 第16-17页 |
| 1.3 国内外研究现状 | 第17-23页 |
| 1.3.1 目标检测研究现状 | 第17-18页 |
| 1.3.2 深度卷积神经网络研究现状 | 第18-23页 |
| 1.4 深度学习算法应用 | 第23-25页 |
| 1.5 论文的研究内容与框架 | 第25-27页 |
| 2 深度卷积神经网络 | 第27-40页 |
| 2.1 卷积运算及其意义 | 第27-30页 |
| 2.2 深度卷积网络的前向传播和反向传播 | 第30-36页 |
| 2.2.1 卷积层 | 第30-31页 |
| 2.2.2 池化层 | 第31-32页 |
| 2.2.3 激活函数层 | 第32-33页 |
| 2.2.4 全连接层 | 第33-34页 |
| 2.2.5 损失函数层 | 第34页 |
| 2.2.6 分类层 | 第34-36页 |
| 2.3 卷积神经网络的特征学习原理 | 第36-37页 |
| 2.4 利用深度学习进行目标检测的算法概述 | 第37-38页 |
| 2.5 本章小结 | 第38-40页 |
| 3 数据集及实验环境 | 第40-51页 |
| 3.1 实验数据集准备 | 第40-47页 |
| 3.1.1 VOC2012和VOC2007数据集 | 第41-43页 |
| 3.1.2 网络爬虫爬取数据 | 第43-46页 |
| 3.1.3 摄像头采集 | 第46页 |
| 3.1.4 数据集存在的问题与解决方法 | 第46-47页 |
| 3.2 深度学习框架对比 | 第47-49页 |
| 3.3 实验软硬件环境 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 4 道路目标特征提取网络研究 | 第51-66页 |
| 4.1 算法概述 | 第51-52页 |
| 4.2 特征提取网络的建立 | 第52-59页 |
| 4.2.1 基本分类深度卷积网络的对比 | 第52页 |
| 4.2.2 GoogLeNet基本结构 | 第52-54页 |
| 4.2.3 批规范化 | 第54-55页 |
| 4.2.4 空间金字塔池化 | 第55-56页 |
| 4.2.5 深度可分离卷积加速 | 第56-58页 |
| 4.2.6 特征提取网络结构 | 第58-59页 |
| 4.3 特征提取网络评价指标 | 第59-60页 |
| 4.4 实验设计 | 第60-62页 |
| 4.4.1 参数与超参数调整 | 第60-61页 |
| 4.4.2 训练过程 | 第61-62页 |
| 4.5 特征提取结果及分析 | 第62-65页 |
| 4.6 本章小结 | 第65-66页 |
| 5 基于区域选择的道路多目标检测研究 | 第66-84页 |
| 5.1 算法概述 | 第66-68页 |
| 5.2 目标检测评价指标 | 第68-69页 |
| 5.2.1 IOU | 第68页 |
| 5.2.2 mAP | 第68-69页 |
| 5.3 基于区域选择的道路多目标检测网络构建 | 第69-73页 |
| 5.3.1 道路目标候选区域提取网络RPN | 第69-70页 |
| 5.3.2 候选区域池化ROI pooling | 第70-71页 |
| 5.3.3 道路多目标检测网络结构和算法 | 第71-73页 |
| 5.4 实验设计 | 第73-79页 |
| 5.4.1 实验流程 | 第73-75页 |
| 5.4.2 参数调优 | 第75-79页 |
| 5.5 检测结果分析 | 第79-81页 |
| 5.5.1 道路交通图像检测结果直观分析 | 第79-80页 |
| 5.5.2 道路交通视频检测结果直观分析 | 第80-81页 |
| 5.6 本章小结 | 第81-84页 |
| 6 基于回归的道路多目标检测研究 | 第84-98页 |
| 6.1 算法概述 | 第84-85页 |
| 6.2 基于回归的道路多目标检测网络构建 | 第85-91页 |
| 6.2.1 网格单元划分 | 第85-86页 |
| 6.2.2 非极大值抑制 | 第86-87页 |
| 6.2.3 维度聚类 | 第87-89页 |
| 6.2.4 回归道路多目标检测损失函数 | 第89-90页 |
| 6.2.5 回归道路多目标检测网络结构 | 第90-91页 |
| 6.3 实验设计 | 第91-95页 |
| 6.3.1 基于回归的目标检测网络训练和测试流程 | 第91-92页 |
| 6.3.2 目标检测实验经验归纳 | 第92-93页 |
| 6.3.3 检测结果直观分析 | 第93-95页 |
| 6.4 最优多模型对比分析 | 第95-97页 |
| 6.4.1 精确度对比分析 | 第95-96页 |
| 6.4.2 时间对比分析 | 第96页 |
| 6.4.3 检测效果对比分析 | 第96-97页 |
| 6.5 本章小结 | 第97-98页 |
| 7 结论和展望 | 第98-100页 |
| 7.1 结论 | 第98-99页 |
| 7.2 未来展望 | 第99-100页 |
| 参考文献 | 第100-104页 |
| 附录A | 第104-108页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第108-110页 |
| 学位论文数据集 | 第110页 |
