目标检测中候选区域生成算法的研究与改进
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 课题研究现状及分析 | 第10-15页 |
| 1.2.1 目标检测研究现状 | 第10-12页 |
| 1.2.2 候选区域生成算法研究现状 | 第12-13页 |
| 1.2.3 文献综述简析 | 第13-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 本文的结构 | 第16-17页 |
| 第2章 候选区域生成算法原理 | 第17-28页 |
| 2.1 候选区域生成方法 | 第17-21页 |
| 2.1.1 基于低层特征的候选区域生成 | 第17-18页 |
| 2.1.2 基于深度神经网络的包围框生成 | 第18-19页 |
| 2.1.3 基于目标性实例分割的候选区域生成 | 第19-21页 |
| 2.2 候选区域优化方法 | 第21-26页 |
| 2.2.1 非极大值抑制 | 第22-23页 |
| 2.2.2 图像显著性区域检测 | 第23-24页 |
| 2.2.3 概率框架下的位置优化 | 第24-26页 |
| 2.3 候选区域生成对目标检测的作用 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 候选区域生成算法的研究与改进 | 第28-44页 |
| 3.1 候选区域生成方法研究 | 第28-34页 |
| 3.1.1 原始的网络结构 | 第28-30页 |
| 3.1.2 算法改进思路 | 第30-31页 |
| 3.1.3 改进后整体结构 | 第31-32页 |
| 3.1.4 训练和测试策略 | 第32-34页 |
| 3.2 改进的初始窗口的生成方法 | 第34-36页 |
| 3.2.1 生成更加细致的候选区域 | 第34-35页 |
| 3.2.2 小尺寸候选区域生成 | 第35-36页 |
| 3.3 改进的位置优化模块 | 第36-39页 |
| 3.3.1 引入聚类分析 | 第36-38页 |
| 3.3.2 区域搜索因子 | 第38-39页 |
| 3.4 改进的候选区域筛选策略 | 第39-42页 |
| 3.4.1 置信度衰减策略 | 第39-41页 |
| 3.4.2 离群点检测 | 第41-42页 |
| 3.5 目标检测框架的选择 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 改进算法的实验对比及分析 | 第44-57页 |
| 4.1 实验条件介绍 | 第44-48页 |
| 4.1.1 数据集介绍 | 第44-46页 |
| 4.1.2 实验环境及实验设计 | 第46页 |
| 4.1.3 评价指标的选择 | 第46-48页 |
| 4.2 改进方法对平均召回率的影响 | 第48-53页 |
| 4.2.1 初始化方式对平均召回率的影响 | 第48-49页 |
| 4.2.2 位置优化模块对平均召回率的影响 | 第49-50页 |
| 4.2.3 筛选策略对平均召回率的影响 | 第50-51页 |
| 4.2.4 与其它方法的对比 | 第51-53页 |
| 4.3 改进方法对目标检测的影响 | 第53-56页 |
| 4.3.1 对目标检测平均精度的影响 | 第53-55页 |
| 4.3.2 对目标检测分类器效率的提升 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读学位期间发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |
