多视角目标类检测算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 本文工作 | 第11-12页 |
| 1.3 论文结构 | 第12-13页 |
| 第二章 多视角目标检测研究现状 | 第13-24页 |
| 2.1 单视角目标类检测算法 | 第13-18页 |
| 2.1.1 基于词袋的方法 | 第14-15页 |
| 2.1.2 基于块结构的方法 | 第15-17页 |
| 2.1.3 判别型方法 | 第17-18页 |
| 2.2 多视角目标类检测的主要方法 | 第18-23页 |
| 2.2.1 多2D模型方法 | 第18-19页 |
| 2.2.2 带有视角间约束的多2D模型方法 | 第19-21页 |
| 2.2.3 式3D模型 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于多分类器融合的目标检测算法 | 第24-36页 |
| 3.1 多视角分类器球面模型概述 | 第24-25页 |
| 3.2 单视角分类器 | 第25-28页 |
| 3.2.1 特征选取 | 第25-26页 |
| 3.2.2 BOOSTING算法 | 第26-27页 |
| 3.2.3 单视角分类器 | 第27-28页 |
| 3.3 多视角融合 | 第28-30页 |
| 3.4 实验与讨论 | 第30-35页 |
| 3.4.1 Leuven数据库 | 第30-33页 |
| 3.4.2 自建多视角数据库 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 多视角视觉码本的建立及应用 | 第36-51页 |
| 4.1 单视角视觉码本 | 第36-41页 |
| 4.1.1 特征选择 | 第37-38页 |
| 4.1.2 基于树结构的单视角视觉码本 | 第38-41页 |
| 4.2 多视角视觉码本的建立 | 第41-45页 |
| 4.2.1 SIFT flow特征匹配 | 第41-42页 |
| 4.2.2 视角码本间关联建立 | 第42-45页 |
| 4.3 使用多视角码本进行目标检测 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-50页 |
| 4.4.1 数据集分析 | 第46-47页 |
| 4.4.2 多视角置信增益 | 第47-48页 |
| 4.4.3 目标检测与视角估计 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 结束语 | 第51-53页 |
| 5.1 本文成果 | 第51-52页 |
| 5.2 缺陷分析与未来展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 攻读硕士学位期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57-58页 |
