| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 引言 | 第12-16页 |
| 1.1 目标检测研究的背景与意义 | 第12-14页 |
| 1.2 本文主要工作与成果概述 | 第14-15页 |
| 1.3 章节安排 | 第15-16页 |
| 第2章 目标检测算法综述及方法介绍 | 第16-32页 |
| 2.1 目标检测领域难点 | 第16-18页 |
| 2.2 目标检测研究现状 | 第18-20页 |
| 2.3 目标检测关键环节 | 第20-29页 |
| 2.3.1 图像特征提取 | 第21-25页 |
| 2.3.2 机器学习方法 | 第25-29页 |
| 2.4 非平衡学习研究 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 范例(EXEMPLAR)集成的目标检测基础模型实现 | 第32-53页 |
| 3.1 范例集成模型背景 | 第33页 |
| 3.2 范例集成基础框架实现 | 第33-48页 |
| 3.2.1 数据标定 | 第34-36页 |
| 3.2.2 特征提取 | 第36-41页 |
| 3.2.3 分类器训练 | 第41-45页 |
| 3.2.4 验证集校正 | 第45-47页 |
| 3.2.5 测试集检测 | 第47-48页 |
| 3.3 范例集成基础模型的目标检测结果与分析 | 第48-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 融合多实例学习实现模型改进 | 第53-65页 |
| 4.1 多实例学习背景 | 第53-54页 |
| 4.2 多实例学习算法框架实现 | 第54-62页 |
| 4.2.1 训练数据 | 第55-57页 |
| 4.2.2 训练过程 | 第57-61页 |
| 4.2.3 检测过滤 | 第61-62页 |
| 4.3 改进模型后的实验结果与分析 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第5章 本文目标检测模型性能分析 | 第65-74页 |
| 5.1 实验环境及参数设定 | 第65-66页 |
| 5.2 检测性能结果对比与分析 | 第66-73页 |
| 5.3 本章小结 | 第73-74页 |
| 第6章 总结与展望 | 第74-77页 |
| 6.1 本文总结 | 第74-76页 |
| 6.2 未来研究工作和展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间已发表或录用的论文 | 第82-84页 |