| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景以及研究意义 | 第10-11页 |
| 1.2 物体检测的研究现状 | 第11-16页 |
| 1.2.1 特征提取与表达 | 第11-15页 |
| 1.2.2 物体描述方法 | 第15页 |
| 1.2.3 检测策略 | 第15-16页 |
| 1.3 课题来源 | 第16页 |
| 1.4 研究内容以及论文安排 | 第16-18页 |
| 第2章 基于视觉注意机制的ESVM物体检测方法 | 第18-36页 |
| 2.1 引言 | 第18-19页 |
| 2.2 基于视觉注意机制的物体粗检测 | 第19-23页 |
| 2.2.1 视觉注意机制 | 第19页 |
| 2.2.2 物体对象性及其测度估计 | 第19-21页 |
| 2.2.3 模板二值化加速 | 第21-22页 |
| 2.2.4 基于视觉注意机制的物体粗检测 | 第22-23页 |
| 2.3 基于ESVM的物体精检测 | 第23-27页 |
| 2.3.1 范例对象的生成 | 第24页 |
| 2.3.2 分类器训练 | 第24-25页 |
| 2.3.3 范例对象的综合特征表达 | 第25页 |
| 2.3.4 基于ESVM的物体检测 | 第25-27页 |
| 2.4 实验结果与分析 | 第27-34页 |
| 2.4.1 PASCAL VOC 2007数据集 | 第28-31页 |
| 2.4.2 Caltech101数据集 | 第31-32页 |
| 2.4.3 校园数据集 | 第32-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 基于边缘结构相似度RCNN的物体检测方法 | 第36-54页 |
| 3.1 引言 | 第36页 |
| 3.2 基于边缘结构相似度RCNN的物体检测 | 第36-48页 |
| 3.2.1 基于边缘结构相似度的候选区域提取 | 第36-44页 |
| 3.2.1.1 边缘检测方法 | 第36-38页 |
| 3.2.1.2 边缘结构相似度 | 第38-39页 |
| 3.2.1.3 基于选择性搜索策略的候选区域提取 | 第39-41页 |
| 3.2.1.4 融合边缘结构相似度的区域合并 | 第41-44页 |
| 3.2.2 基于边缘结构相似度RCNN的物体检测 | 第44-48页 |
| 3.2.2.1 卷积神经网络的前向传播 | 第44-46页 |
| 3.2.2.2 卷积神经网络的反向传播与梯度计算 | 第46-47页 |
| 3.2.2.3 基于边缘结构相似度RCNN的物体检测 | 第47-48页 |
| 3.3 实验结果及分析 | 第48-52页 |
| 3.3.1 PASCAL VOC 2007数据集 | 第48-50页 |
| 3.3.2 Caltech 101数据集 | 第50-51页 |
| 3.3.3 校园数据集 | 第51-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第4章 基于多通道分层特征的物体检测方法 | 第54-68页 |
| 4.1 引言 | 第54页 |
| 4.2 基于超像素分割的中层特征提取 | 第54-60页 |
| 4.2.1 简单线性迭代聚类 | 第55-57页 |
| 4.2.2 图像块提取 | 第57-60页 |
| 4.3 基于多通道分层特征的物体检测 | 第60-62页 |
| 4.4 实验及结果分析 | 第62-66页 |
| 4.4.1 PASCAL VOC 2007数据集 | 第62-64页 |
| 4.4.2 Caltech 101数据集 | 第64-65页 |
| 4.4.3 校园数据集 | 第65-66页 |
| 4.5 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间所发表的学术论文 | 第76-78页 |
| 致谢 | 第78-79页 |