| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 研究内容及创新点 | 第16页 |
| 1.4 论文组织结构安排 | 第16-19页 |
| 第2章 图像分割与图像识别基本方法与关键技术 | 第19-35页 |
| 2.1 图像分割 | 第19-26页 |
| 2.1.1 滑动窗口法 | 第19-20页 |
| 2.1.2 选择性搜索法 | 第20-22页 |
| 2.1.3 SSD算法 | 第22-23页 |
| 2.1.4 区域建议网络 | 第23-26页 |
| 2.2 图像识别 | 第26-31页 |
| 2.2.1 卷积神经网络 | 第26-29页 |
| 2.2.2 R-CNN基本原理 | 第29-30页 |
| 2.2.3 Fast R-CNN基本原理 | 第30-31页 |
| 2.3 数据集 | 第31-35页 |
| 2.3.1 公共数据集 | 第31-32页 |
| 2.3.2 自制办公用品数据集 | 第32-35页 |
| 第3章 基于特征融合改进的Faster R-CNN多目标图像分割与识别.. | 第35-50页 |
| 3.1 Faster R-CNN算法概述 | 第35-37页 |
| 3.1.1 Faster R-CNN基本原理 | 第35-36页 |
| 3.1.2 非极大值抑制 | 第36-37页 |
| 3.2 基于特征融合改进的Faster R-CNN图像分割与识别 | 第37-42页 |
| 3.2.1 特征融合 | 第37-38页 |
| 3.2.2 基于特征融合改进的Faster R-CNN | 第38-42页 |
| 3.3 实验过程与分析 | 第42-48页 |
| 3.3.1 实验数据集 | 第42页 |
| 3.3.2 实验分析 | 第42-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第4章 基于AlexNet改进的Faster R-CNN多目标图像分割与识别.. | 第50-62页 |
| 4.1 AlexNet网络 | 第50-53页 |
| 4.1.1 网络结构 | 第50-52页 |
| 4.1.2 激活函数 | 第52-53页 |
| 4.2 基于AlexNet改进的Faster R-CNN图像分割与识别 | 第53-56页 |
| 4.3 实验过程与分析 | 第56-60页 |
| 4.4 小结 | 第60-62页 |
| 第5章 基于VGG改进的Faster R-CNN多目标图像分割与识别 | 第62-80页 |
| 5.1 VGG网络 | 第62-65页 |
| 5.1.1 网络结构 | 第62-64页 |
| 5.1.2 批标准化 | 第64-65页 |
| 5.2 基于VGG改进的Faster R-CNN图像分割与识别 | 第65-69页 |
| 5.2.1 基于LeakyReLU和 BN改进的VGG16 网络模型 | 第65-66页 |
| 5.2.2 基于LeakyReLU和 BN改进的VGG19 网络模型 | 第66-67页 |
| 5.2.3 基VGG改进的Faster R-CNN | 第67-69页 |
| 5.3 实验过程与分析 | 第69-78页 |
| 5.4 小结 | 第78-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 6.1 总结 | 第80页 |
| 6.2 研究展望 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 在学期间主要科研成果 | 第90页 |
| 一、发表学术论文 | 第90页 |
| 二、参与项目 | 第90页 |
| 三、获奖情况 | 第90页 |
