基于卷积神经网络的行人检测算法研究
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景与问题提出 | 第11-12页 |
| 1.2 研究目标及意义 | 第12页 |
| 1.3 研究内容和方法 | 第12-13页 |
| 1.4 文章基本结构 | 第13-15页 |
| 第2章 相关基础和相关工作 | 第15-29页 |
| 2.1 行人检测基础 | 第15-19页 |
| 2.1.1 行人检测概念 | 第15页 |
| 2.1.2 行人检测方法 | 第15-18页 |
| 2.1.3 行人检测重点与难点 | 第18-19页 |
| 2.2 卷积神经网络基础 | 第19-25页 |
| 2.2.1 卷积神经网络概述 | 第20-21页 |
| 2.2.2 经典卷积神经网络模型 | 第21-25页 |
| 2.3 行人检测研究现状 | 第25-29页 |
| 第3章 算法设计 | 第29-41页 |
| 3.1 算法流程 | 第29-30页 |
| 3.2 网络模型 | 第30-34页 |
| 3.2.1 网络基本单元 | 第30-31页 |
| 3.2.2 网络结构与参数 | 第31-34页 |
| 3.3 样本标注 | 第34-36页 |
| 3.3.1 样本标注类型 | 第34-35页 |
| 3.3.2 标注密度图 | 第35-36页 |
| 3.4 网络训练与测试 | 第36-38页 |
| 3.4.1 网络训练 | 第36-37页 |
| 3.4.2 网络测试 | 第37-38页 |
| 3.5 行人定位算法 | 第38-39页 |
| 3.6 小结 | 第39-41页 |
| 第4章 算法验证 | 第41-55页 |
| 4.1 实验平台 | 第41页 |
| 4.2 实验数据 | 第41-42页 |
| 4.3 实验过程 | 第42-48页 |
| 4.3.1 数据准备 | 第42-43页 |
| 4.3.2 模型准备 | 第43-45页 |
| 4.3.3 训练模型 | 第45-46页 |
| 4.3.4 模型测试 | 第46-47页 |
| 4.3.5 行人定位 | 第47-48页 |
| 4.4 实验结果及分析 | 第48-53页 |
| 4.4.1 实验结果 | 第48-49页 |
| 4.4.2 实验分析 | 第49-53页 |
| 4.5 小结 | 第53-55页 |
| 第5章 总结与展望 | 第55-59页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 本文创新点 | 第56页 |
| 5.3 不足与展望 | 第56-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的学术论著 | 第63-65页 |
| 致谢 | 第65页 |
