注意力卷积神经网络在行人属性识别中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 行人属性识别难点分析 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.4 主要研究内容 | 第14页 |
| 1.5 组织结构 | 第14-16页 |
| 2 卷积神经网络相关理论 | 第16-28页 |
| 2.1 网络结构 | 第16-19页 |
| 2.1.1 卷积层 | 第16-18页 |
| 2.1.2 池化层 | 第18-19页 |
| 2.1.3 全连接层 | 第19页 |
| 2.2 网络正则化方法 | 第19-21页 |
| 2.3 激活函数 | 第21-23页 |
| 2.4 训练过程 | 第23-26页 |
| 2.4.1 前向传播过程 | 第24-25页 |
| 2.4.2 反向传播过程 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 3 基于注意力卷积神经网络的行人属性识别 | 第28-40页 |
| 3.1 残差网络基本结构 | 第28-29页 |
| 3.2 视觉注意力机制 | 第29-33页 |
| 3.2.1 注意力机制原理 | 第29-30页 |
| 3.2.2 计算机视觉中的注意力模型 | 第30-33页 |
| 3.3 多级注意力跳跃连接网络的构建 | 第33-37页 |
| 3.3.1 网络模型建立 | 第33-34页 |
| 3.3.2 多级注意力跳跃连接模块结构 | 第34-36页 |
| 3.3.3 多尺度特征融合方法 | 第36-37页 |
| 3.3.4 自适应损失加权策略 | 第37页 |
| 3.4 本章小结 | 第37-40页 |
| 4 实验与分析 | 第40-50页 |
| 4.1 数据集与实验设置 | 第40页 |
| 4.2 性能评价指标 | 第40-41页 |
| 4.3 模型性能分析 | 第41-45页 |
| 4.3.1 不同场景下行人目标的识别效果 | 第41-43页 |
| 4.3.2 不同模型的识别性能对比 | 第43-45页 |
| 4.4 影响因素分析 | 第45-49页 |
| 4.4.1 多级注意力跳跃连接结构的影响分析 | 第45-46页 |
| 4.4.2 多尺度特征融合方法的影响分析 | 第46-47页 |
| 4.4.3 自适应损失加权策略的影响分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读学位期间主要研究成果 | 第60页 |
