自适应多窗口的实时物体检测技术的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 绪论 | 第12-19页 |
| 1.1 似物性采样的概念 | 第12-13页 |
| 1.2 性能指标 | 第13-14页 |
| 1.3 现有算法的分析与比较 | 第14-17页 |
| 1.3.1 算法分析 | 第15-16页 |
| 1.3.2 缺陷与不足 | 第16-17页 |
| 1.4 研究内容和创新成果 | 第17-19页 |
| 1.4.1 研究内容 | 第17-18页 |
| 1.4.2 创新成果 | 第18-19页 |
| 2 基于量化搜索的显著性检测 | 第19-36页 |
| 2.1 具体算法 | 第19-32页 |
| 2.1.1 梯度值与物体的关系 | 第19-21页 |
| 2.1.2 量化的搜索策略 | 第21-25页 |
| 2.1.3 基于级联支持向量机的线性模型 | 第25-32页 |
| 2.2 实验结果与分析 | 第32-35页 |
| 2.3 本章小结 | 第35-36页 |
| 3 多窗口的似物性估计与自适应 | 第36-57页 |
| 3.1 边缘信息与物体的关系 | 第36-37页 |
| 3.2 边缘检测 | 第37-39页 |
| 3.3 似物性估计 | 第39-48页 |
| 3.3.1 边缘预处理 | 第39-41页 |
| 3.3.2 边缘路径分析 | 第41-43页 |
| 3.3.3 窗口似物性估计 | 第43-48页 |
| 3.4 窗口优化 | 第48-51页 |
| 3.4.1 窗口自适应 | 第48-49页 |
| 3.4.2 非极大值抑制的窗口筛选 | 第49-51页 |
| 3.5 实验结果与分析 | 第51-55页 |
| 3.5.1 参数变化 | 第52-54页 |
| 3.5.2 与其他似物性采样算法的指标比较 | 第54-55页 |
| 3.6 本章小结 | 第55-57页 |
| 4 自适应多窗口算法在物体检测中的应用 | 第57-66页 |
| 4.1 物体检测算法的选择 | 第57-59页 |
| 4.2 与FAST RCNN算法的结合应用 | 第59-62页 |
| 4.2.1 Fast RCNN的配置与编译 | 第59-61页 |
| 4.2.2 修改读写接口 | 第61-62页 |
| 4.3 检测结果分析 | 第62-66页 |
| 5 结论 | 第66-67页 |
| 5.1 全文工作总结 | 第66页 |
| 5.2 未来工作展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 图索引 | 第70-72页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第72-74页 |
| 学位论文数据集 | 第74页 |
