| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文的主要工作 | 第11-13页 |
| 第二章 基于深度卷积神经网络的特征学习及其在目标识别中的应用 | 第13-25页 |
| ·人工神经网络概述 | 第13-16页 |
| ·卷积神经网络(Convolutional Neural Networks,CNNs) | 第16-23页 |
| ·卷积(Convolution) | 第17-19页 |
| ·下采样(Pooling) | 第19-20页 |
| ·网络的训练与学习 | 第20-23页 |
| ·深度卷积神经网络在目标识别中的应用 | 第23-25页 |
| 第三章 基于深度卷积神经网络的迁移学习算法(CNNs-TL) | 第25-33页 |
| ·引言 | 第25页 |
| ·迁移学习(Transfer Learning) | 第25-27页 |
| ·Caffe深度学习框架 | 第27-28页 |
| ·基于深度卷积神经网络的迁移学习系统实现 | 第28-33页 |
| ·基于ImageNet数据库的网络预训练 | 第29-31页 |
| ·网络迁移实现 | 第31-33页 |
| 第四章 基于局部保持投影滤波器的深度学习框架(LPP-DL) | 第33-40页 |
| ·引言 | 第33页 |
| ·局部保持投影算法(Locality Preserving Projection,LPP) | 第33-35页 |
| ·局部保持投影算法简介 | 第33-34页 |
| ·局部保持投影算法实现 | 第34-35页 |
| ·局部保持投影滤波器 | 第35-37页 |
| ·基于局部保持投影滤波器的深度卷积神经网络系统实现 | 第37-40页 |
| 第五章 多摄像机协作监控目标识别系统构建与性能分析 | 第40-50页 |
| ·数据库和实验环境 | 第40-42页 |
| ·CNNs-TL多摄像机协作目标识别系统 | 第42-44页 |
| ·训练样本个数对微调性能的影响 | 第42-43页 |
| ·摄像机跨域识别性能 | 第43-44页 |
| ·LPP-DL多摄像机协作目标识别系统 | 第44-50页 |
| ·卷积滤波器个数及下采样层数对特征维度的影响 | 第44-46页 |
| ·下采样层数对网络性能的影响 | 第46-47页 |
| ·卷积滤波器个数对网络性能的影响 | 第47-48页 |
| ·训练样本个数对网络性能的影响 | 第48-49页 |
| ·摄像机跨域识别性能 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 在校期间研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |
