| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究工作的背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 深度学习的研究现状 | 第12-13页 |
| 1.2.2 多任务学习的研究现状 | 第13-14页 |
| 1.2.3 相关检测任务的研究现状 | 第14-15页 |
| 1.3 主要工作内容及组织结构 | 第15-18页 |
| 1.3.1 主要工作内容以及创新点 | 第15-16页 |
| 1.3.2 组织结构 | 第16-18页 |
| 第二章 基于深度学习的视觉感知相关理论 | 第18-28页 |
| 2.1 神经网络 | 第18-23页 |
| 2.1.1 前馈神经网络 | 第18-19页 |
| 2.1.2 反向传播神经网络 | 第19-21页 |
| 2.1.3 卷积神经网络 | 第21-23页 |
| 2.2 基于深度学习的人脸检测算法 | 第23-24页 |
| 2.3 基于深度学习的行人检测算法 | 第24-25页 |
| 2.4 基于深度学习的人脸关键点检测算法 | 第25-27页 |
| 2.5 基于深度学习的性别检测和年龄检测算法 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 多尺度多任务卷积神经网络 | 第28-47页 |
| 3.1 多尺度多任务卷积神经网络总体架构 | 第28-29页 |
| 3.2 多任务共享卷积层研究 | 第29-31页 |
| 3.3 改进的候选区选择算法及第一尺度网络架构 | 第31-38页 |
| 3.3.1 候选区域选择算法研究 | 第31-33页 |
| 3.3.2 使用改进的双RPN候选区域选择策略的第一尺度网络架构 | 第33-36页 |
| 3.3.3 第一尺度网络训练方法 | 第36-38页 |
| 3.4 改进的多尺度多任务算法及第二尺度网络架构 | 第38-43页 |
| 3.4.1 多尺度与多任务研究与改进 | 第38-39页 |
| 3.4.2 第二尺度网络架构 | 第39-41页 |
| 3.4.3 联合可信度的第二尺度网络训练方法 | 第41-43页 |
| 3.5 针对性的多任务检测方法及第三尺度网络架构 | 第43-45页 |
| 3.5.1 第三尺度网络架构 | 第43-44页 |
| 3.5.2 针对性的第三尺度网络多源训练方法 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 基于多尺度多任务卷积神经网络的超市商品消费人群分析系统设计 | 第47-62页 |
| 4.1 需求分析 | 第47页 |
| 4.2 总体设计 | 第47-49页 |
| 4.3 多尺度多任务卷积神经网络详细设计与实现 | 第49-58页 |
| 4.3.1 训练数据集介绍 | 第50-51页 |
| 4.3.2 训练第一尺度和第二尺度网络 | 第51-55页 |
| 4.3.3 训练第三尺度网络 | 第55-58页 |
| 4.4 超市商品消费人群分析系统详细设计与实现 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 多尺度多任务卷积神经网络及超市商品消费人群分析系统测试 | 第62-75页 |
| 5.1 五任务测试数据集的制作 | 第62-64页 |
| 5.2 测试评估标准 | 第64-65页 |
| 5.3 多尺度多任务卷积神经网络测试 | 第65-69页 |
| 5.4 超市商品消费人群分析系统测试 | 第69-74页 |
| 5.5 本章小结 | 第74-75页 |
| 第六章 全文总结与展望 | 第75-77页 |
| 6.1 全文总结 | 第75页 |
| 6.2 未来展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
