| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 基于异构平台的计算机视觉技术 | 第16-24页 |
| 2.1 系统整体架构和功能设计 | 第16-17页 |
| 2.2 视频图像识别技术 | 第17-19页 |
| 2.2.1 视频图像技术 | 第17页 |
| 2.2.2 视频图像识别预处理 | 第17-18页 |
| 2.2.3 图像分割的算法和技术基础介绍 | 第18-19页 |
| 2.3 异构计算编程技术 | 第19-20页 |
| 2.3.1 高性能计算架构 | 第19页 |
| 2.3.2 并行计算技术 | 第19页 |
| 2.3.3 主流并行计算架构标准 | 第19-20页 |
| 2.3.4 CUDA与OpenCL对比 | 第20页 |
| 2.4 神经网络算法与技术基础研究 | 第20-23页 |
| 2.4.1 两层神经网络 | 第20-21页 |
| 2.4.2 三层神经网络 | 第21-22页 |
| 2.4.3 深度神经网络 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于选择搜索的视频图像分割 | 第24-32页 |
| 3.1 视频图像获取与预处理 | 第24-25页 |
| 3.2 基于区域相似度的视频图像分割 | 第25-28页 |
| 3.2.1 基于图表示的视频图像区域分割 | 第25-27页 |
| 3.2.2 基于选择搜索的分割图像合并 | 第27-28页 |
| 3.3 图像分割坐标位置可视化 | 第28-31页 |
| 3.3.1 基于分割位置坐标绘制可视化边框 | 第28-29页 |
| 3.3.2 基于图像识别结果的视频目标反向定位 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于异构平台的Caffe框架研究 | 第32-48页 |
| 4.1 高性能计算与异构平台 | 第32-35页 |
| 4.1.1 异构平台与异构计算 | 第32-33页 |
| 4.1.2 图形处理器与并行计算技术 | 第33-35页 |
| 4.2 CUDA与OpenCL下的硬件加速 | 第35-38页 |
| 4.2.1 基于图形处理器的的硬件加速 | 第35页 |
| 4.2.2 CUDA编程技术 | 第35-36页 |
| 4.2.3 OpenCL框架 | 第36-38页 |
| 4.3 Caffe框架源码架构与技术分析 | 第38-42页 |
| 4.3.1 Caffe依赖库 | 第38-39页 |
| 4.3.2 Caffe框架与关键类功能 | 第39-41页 |
| 4.3.3 Caffe基于CUDA的GPU加速实现 | 第41-42页 |
| 4.4 基于OpenCL的Caffe的跨平台性优化 | 第42-47页 |
| 4.4.1 环境配置要求 | 第42-44页 |
| 4.4.2 OpenCL与CUDA的转化 | 第44页 |
| 4.4.3 OpenCL的GPU加速编程 | 第44-46页 |
| 4.4.4 调用基于OpenCL的GPU加速方法 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 卷积神经网络下的视频图像识别 | 第48-57页 |
| 5.1 深度神经网络和深度学习框架研究 | 第48-50页 |
| 5.1.1 深度神经网络技术 | 第48页 |
| 5.1.2 常见开源深度学习框架 | 第48-50页 |
| 5.2 卷积神经网络结构与技术 | 第50-52页 |
| 5.2.1 卷积神经网络技术 | 第50页 |
| 5.2.2 卷积神经网络结构 | 第50-52页 |
| 5.3 基于Caffe卷积神经网络的图像分类 | 第52-56页 |
| 5.3.1 基于Caffe的卷积神经网络框架构建 | 第52-54页 |
| 5.3.2 基于Caffe识别模型的网络训练与部署 | 第54-56页 |
| 5.3.3 基于识别结果的视频图像回溯定位 | 第56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 实验设计与分析 | 第57-65页 |
| 6.1 实验环境部署 | 第57页 |
| 6.1.1 实验环境介绍 | 第57页 |
| 6.1.2 数据集介绍 | 第57页 |
| 6.2 基于OpenCL的Caffe卷积网络图像识别 | 第57-64页 |
| 6.2.1 数据集准备 | 第57-59页 |
| 6.2.2 视频图像分割表现分析 | 第59-60页 |
| 6.2.3 基于OpenCL的Caffe网络模型测试分析 | 第60-63页 |
| 6.2.4 卷积神经网络识别分析 | 第63-64页 |
| 6.3 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 总结 | 第65-66页 |
| 展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
