| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的背景及意义 | 第10-11页 |
| 1.2 课题的研究现状 | 第11-15页 |
| 1.2.1 目标检测研究现状 | 第11-13页 |
| 1.2.2 目标参数测量研究现状 | 第13-15页 |
| 1.3 论文主要研究内容与组织结构 | 第15-16页 |
| 第2章 基于FASTER R-CNN的目标检测算法研究 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 FASTER R-CNN算法研究 | 第16-24页 |
| 2.2.1 Faster R-CNN基本构成 | 第16-23页 |
| 2.2.2 深度学习框架Tensorflow | 第23-24页 |
| 2.3 基于FASTERR-CNN算法的仿真分析 | 第24-31页 |
| 2.3.1 实验必要性及具体流程 | 第24-25页 |
| 2.3.2 目标检测效果度量标准 | 第25-26页 |
| 2.3.3 目标检测仿真实现及结果分析 | 第26-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 改进的FASTER R-CNN算法研究与实现 | 第32-50页 |
| 3.1 引言 | 第32-33页 |
| 3.2 改进的FASTER R-CNN网络结构设计 | 第33-39页 |
| 3.2.1 网络构建过程 | 第33-36页 |
| 3.2.2 网络优化策略 | 第36-39页 |
| 3.3 目标参数测量算法实现 | 第39-49页 |
| 3.3.1 无遮挡条件下目标参数测量结果分析 | 第40-44页 |
| 3.3.2 有遮挡条件下目标参数测量结果分析 | 第44-48页 |
| 3.3.3 网络模型参数可视化 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 自然场景下目标体重测量实现 | 第50-61页 |
| 4.1 总体实现流程设计 | 第50-51页 |
| 4.2 目标数据获取及数据集构建方式 | 第51-54页 |
| 4.2.1 数据采集方法 | 第51-52页 |
| 4.2.2 数据集构建 | 第52-54页 |
| 4.3 目标体重测量算法实现 | 第54-59页 |
| 4.3.1 数据预处理 | 第54页 |
| 4.3.2 网络训练及测试结果分析 | 第54-59页 |
| 4.4 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |
