目标检测与识别算法研究与应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 研究的相关动态 | 第10-12页 |
| 1.3 本文的结构 | 第12-13页 |
| 第二章 图像特征提取与分类器 | 第13-25页 |
| 2.1 概述 | 第13页 |
| 2.2 图像特征 | 第13-16页 |
| 2.3 分类器 | 第16-24页 |
| 2.3.1 支持向量机 | 第16-21页 |
| 2.3.2 随机森林 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 候选物体建议算法 | 第25-36页 |
| 3.1 概述 | 第25页 |
| 3.2 候选物体检测算法 | 第25-27页 |
| 3.2.1 分组建议方法 | 第25-26页 |
| 3.2.2 窗口得分方法 | 第26-27页 |
| 3.3 BING的基本原理 | 第27-30页 |
| 3.4 分数修正算法 | 第30-33页 |
| 3.5 结果与分析 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 基于候选物体建议的目标检测算法研究 | 第36-43页 |
| 4.1 概述 | 第36-37页 |
| 4.2 候选物体检测 | 第37-38页 |
| 4.3 物体分类 | 第38-40页 |
| 4.3.1 梯度方向直方图 | 第39页 |
| 4.3.2 支持向量机进行分类 | 第39-40页 |
| 4.4 结果与分析 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 基于稀疏编码直方图的目标检测 | 第43-58页 |
| 5.1 概述 | 第43-44页 |
| 5.2 特征提取 | 第44-51页 |
| 5.2.1 稀疏表示 | 第45-47页 |
| 5.2.2 特征字典学习 | 第47-50页 |
| 5.2.3 稀疏编码特征 | 第50-51页 |
| 5.3 分类器构建 | 第51-54页 |
| 5.3.1 霍夫森林分类器 | 第51页 |
| 5.3.2 构建霍夫森林 | 第51-53页 |
| 5.3.3 基于霍夫森林的物体检测 | 第53-54页 |
| 5.4 结果与分析 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
