| ABSTRACT | 第5-6页 |
| 摘要 | 第7-12页 |
| Symbol Table | 第12-13页 |
| Abbreviations Table | 第13-18页 |
| Chapter 1 Introduction | 第18-26页 |
| 1.1 Background | 第18-19页 |
| 1.2 Single Image Super-resolution | 第19-21页 |
| 1.3 Object Detection from Image | 第21-23页 |
| 1.4 Thesis Structure | 第23-26页 |
| Chapter 2 Related Work | 第26-32页 |
| 2.1 Brief History of Convolutional Neural Network | 第26-27页 |
| 2.2 Image Super-resolution with Convolutional Neural Networks | 第27-31页 |
| 2.3 Pedestrian Detection with Convolutional Neural Networks | 第31-32页 |
| Chapter 3 Multiscale Single Image Super-Resolution via Dilated Convolutions | 第32-44页 |
| 3.1 The Receptive Field of Dilated Convolutions | 第32-33页 |
| 3.2 Method | 第33-38页 |
| 3.2.1 Mixed Convolutional Layers | 第33-34页 |
| 3.2.2 How to Use DC? | 第34-35页 |
| 3.2.3 Network Architecture | 第35-38页 |
| 3.2.4 Multiscale Training | 第38页 |
| 3.3 Experimental Results | 第38-44页 |
| 3.3.1 Datasets for Training and Testing | 第38-40页 |
| 3.3.2 Implementation Details | 第40页 |
| 3.3.3 Comparison to State-of-the-arts | 第40-41页 |
| 3.3.4 Receptive intensity after Training | 第41-44页 |
| Chapter 4 Part-level Fully Convolutional Networks for Pedestrian Detection | 第44-56页 |
| 4.1 Detection Framework | 第44页 |
| 4.2 Training CNN for Part-level Detector | 第44-46页 |
| 4.3 Bounding Box Alignment | 第46-50页 |
| 4.3.1 Converting CNN into FCN | 第46-47页 |
| 4.3.2 Shift-and-Stitch for a Larger Heat Map | 第47-49页 |
| 4.3.3 Merging Parts | 第49-50页 |
| 4.4 Experiments | 第50-56页 |
| 4.4.1 Dataset and Benchmark | 第50-51页 |
| 4.4.2 Performance of Part-level Detector | 第51-52页 |
| 4.4.3 Comparing with Other Deep Models | 第52-56页 |
| Chapter 5 Summary and Future Work | 第56-58页 |
| Reference | 第58-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66页 |
