| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 引言 | 第9-20页 |
| 1.1 论文背景和意义 | 第9-11页 |
| 1.2 研究现状与分析 | 第11-18页 |
| 1.2.1 目标检测 | 第11-16页 |
| 1.2.2 基于深度学习的目标检测算法目前存在的问题 | 第16-18页 |
| 1.3 论文内容与章节安排 | 第18-20页 |
| 第二章 基础知识 | 第20-30页 |
| 2.1 深度学习的相关知识 | 第20-25页 |
| 2.1.1 深度学习基础知识 | 第20-21页 |
| 2.1.2 卷积神经网络模型 | 第21-22页 |
| 2.1.3 深度学习模型示例 | 第22-25页 |
| 2.2 目标检测相关知识 | 第25-30页 |
| 2.2.1 多层特征融合的卷积神经网络模型 | 第25-27页 |
| 2.2.2 基于“小物体”识别的相关研究 | 第27-30页 |
| 第三章 基于多层融合的小物体目标检测 | 第30-48页 |
| 3.1 小物体 | 第30-34页 |
| 3.1.1 小物体界定 | 第30-31页 |
| 3.1.2 数据集及模型 | 第31-33页 |
| 3.1.3 数据集划分结果及阈值选择 | 第33-34页 |
| 3.2 不同层特征融合方法的实验 | 第34-37页 |
| 3.2.1 设计实验 | 第34-35页 |
| 3.2.2 实验结果 | 第35-37页 |
| 3.2.3 实验结果分析及结论 | 第37页 |
| 3.3 不同层特征在融合特征有效性探究实验 | 第37-46页 |
| 3.3.1 设计实验 | 第37-38页 |
| 3.3.2 实验结果 | 第38-46页 |
| 3.3.3 实验结果分析及结论 | 第46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 特征选择融合网络模型 | 第48-53页 |
| 4.1 特征融合判断模型设计 | 第48-50页 |
| 4.2 实验结果及结论 | 第50-51页 |
| 4.2.1 Alex-net模型 | 第50-51页 |
| 4.2.2 VGG-16模型 | 第51页 |
| 4.3 本章小结 | 第51-53页 |
| 第五章 目标检测演示系统 | 第53-56页 |
| 5.1 系统整体结构 | 第53-54页 |
| 5.2 系统实现 | 第54-55页 |
| 5.3 本章小节 | 第55-56页 |
| 第六章 总结与展望 | 第56-60页 |
| 6.1 本文工作总结 | 第56页 |
| 6.2 未来研究工作展望 | 第56-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文 | 第65页 |