基于卷积神经网络的目标检测算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 2 卷积神经网络目标检测算法基础及相关研究 | 第16-30页 |
| 2.1 深度学习理论基础 | 第16页 |
| 2.2 卷积神经网络 | 第16-21页 |
| 2.2.1 卷积神经网络概念 | 第17-18页 |
| 2.2.2 卷积神经网络层级结构 | 第18-21页 |
| 2.3 卷积神经网络的训练 | 第21-24页 |
| 2.3.1 前向传播 | 第21-22页 |
| 2.3.2 反向传播 | 第22-23页 |
| 2.3.3 过拟合问题 | 第23-24页 |
| 2.4 目标检测算法 | 第24-29页 |
| 2.4.1 目标检测算法简介 | 第25-26页 |
| 2.4.2 卷积神经网络两步检测算法 | 第26-28页 |
| 2.4.3 卷积神经网络单步检测算法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 卷积神经网络目标检测算法改进 | 第30-55页 |
| 3.1 目标检测算法特征网络模型 | 第30-35页 |
| 3.1.1 VGGNet | 第30-32页 |
| 3.1.2 GoogLeNet | 第32-33页 |
| 3.1.3 ResNet | 第33-35页 |
| 3.2 卷积神经网络的目标检测算法 | 第35-43页 |
| 3.2.1 算法应用场景 | 第35-36页 |
| 3.2.2 SSD算法 | 第36-38页 |
| 3.2.3 Faster-R-CNN算法 | 第38-41页 |
| 3.2.4 结果对比与优缺点分析 | 第41-43页 |
| 3.3 卷积神经网络的目标检测算法改进 | 第43-50页 |
| 3.3.1 联合机制算法思想 | 第43-44页 |
| 3.3.2 SSD改进 | 第44-46页 |
| 3.3.3 Faster-R-CNN改进 | 第46-47页 |
| 3.3.4 联合机制算法描述 | 第47-50页 |
| 3.4 实验的评价指标 | 第50-52页 |
| 3.5 实验总结与结果分析 | 第52-54页 |
| 3.5.1 实验总结 | 第52-53页 |
| 3.5.2 实验对比分析 | 第53-54页 |
| 3.6 本章小结 | 第54-55页 |
| 4 基于卷积神经网络的目标检测系统实现 | 第55-64页 |
| 4.1 数据集的准备及预处理 | 第55-59页 |
| 4.1.1 目标检测数据的选择 | 第55-56页 |
| 4.1.2 数据的采集及预处理 | 第56-59页 |
| 4.2 目标检测系统设计 | 第59-60页 |
| 4.2.1 应用场景分析与介绍 | 第59页 |
| 4.2.2 系统设计 | 第59-60页 |
| 4.3 目标检测系统实现 | 第60-62页 |
| 4.3.1 网络模型搭建及训练 | 第60-62页 |
| 4.3.2 目标检测系统搭建 | 第62页 |
| 4.4 目标检测系统测试效果 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 5 总结与展望 | 第64-66页 |
| 5.1 本文总结 | 第64-65页 |
| 5.2 未来展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |
