| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外现状 | 第12-15页 |
| 1.2.1 基于深度学习的目标检测算法国内外研究现状 | 第12-14页 |
| 1.2.2 图像类API服务平台国内外现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 相关基础知识 | 第17-29页 |
| 2.1 深度学习 | 第17-19页 |
| 2.1.1 深度学习概述 | 第17-18页 |
| 2.1.2 卷积神经网络 | 第18-19页 |
| 2.2 基于区域建议的目标检测算法 | 第19-24页 |
| 2.2.1 R-CNN算法 | 第19-20页 |
| 2.2.2 SPP-net算法 | 第20-22页 |
| 2.2.3 Fast R-CNN算法 | 第22页 |
| 2.2.4 Faster R-CNN算法 | 第22-24页 |
| 2.3 基于回归的目标检测算法 | 第24-27页 |
| 2.3.1 YOLO算法 | 第24-26页 |
| 2.3.2 SSD算法 | 第26-27页 |
| 2.4 基于Flask的API平台搭建 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于区域建议的目标检测Faster R-CNN++算法研究 | 第29-41页 |
| 3.1 难分样本挖掘 | 第29-31页 |
| 3.2 多层特征融合 | 第31-33页 |
| 3.3 实验与分析 | 第33-40页 |
| 3.3.1 实验数据集 | 第33-35页 |
| 3.3.2 评价标准 | 第35-36页 |
| 3.3.3 实验比较与分析 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于回归的目标检测SSD++算法研究 | 第41-47页 |
| 4.1 深度可分卷积 | 第41-43页 |
| 4.2 模型裁剪 | 第43-44页 |
| 4.3 实验与分析 | 第44-46页 |
| 4.3.1 实验数据集 | 第44页 |
| 4.3.2 评价标准 | 第44页 |
| 4.3.3 实验比较与分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 目标检测服务平台设计与实现 | 第47-58页 |
| 5.1 需求分析 | 第47-48页 |
| 5.1.1 系统业务需求 | 第47页 |
| 5.1.2 系统功能需求 | 第47-48页 |
| 5.2 平台设计与实现 | 第48-55页 |
| 5.2.1 平台基本架构设计与实现 | 第48-50页 |
| 5.2.2 平台功能流程设计与实现 | 第50-55页 |
| 5.3 目标检测服务平台界面展示 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58-59页 |
| 6.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |