| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文研究的主要内容 | 第14-16页 |
| 第2章 卷积神经网络相关理论和连接模式 | 第16-31页 |
| 2.1 卷积神经网络的背景知识 | 第16-21页 |
| 2.1.1 深度学习的概念 | 第16页 |
| 2.1.2 典型的深度神经网络模型 | 第16-21页 |
| 2.2 卷积神经网络的相关理论 | 第21-27页 |
| 2.2.1 卷积神经网络的基本原理 | 第21页 |
| 2.2.2 卷积神经网络的组成和功能 | 第21-25页 |
| 2.2.3 前向传播和反向传播 | 第25-27页 |
| 2.3 卷积神经网络的连接模式 | 第27-29页 |
| 2.3.1 局部感受野和权值共享 | 第27-28页 |
| 2.3.2 多卷积核 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 基于深度特征的目标检测算法研究 | 第31-46页 |
| 3.1 提取深度特征 | 第31-34页 |
| 3.1.1 迁移学习 | 第31-32页 |
| 3.1.2 深度特征金字塔 | 第32-34页 |
| 3.2 训练分类器 | 第34-37页 |
| 3.2.1 PASCAL VOC数据集介绍 | 第35-36页 |
| 3.2.2 训练LSVM | 第36-37页 |
| 3.3 单组件模型检测目标 | 第37-40页 |
| 3.3.1 检测流程 | 第38页 |
| 3.3.2 距离池化变换 | 第38-40页 |
| 3.3.3 目标几何滤波器 | 第40页 |
| 3.4 多组件模型检测目标 | 第40-41页 |
| 3.5 实验结果与分析 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于动态阈值非极大值抑制算法研究 | 第46-61页 |
| 4.1 基于固定阈值的非极大值抑制算法 | 第46-49页 |
| 4.1.1 固定阈值的非极大值抑制算法 | 第46-47页 |
| 4.1.2 重复检测和误检 | 第47-49页 |
| 4.2 基于动态阈值的非极大值抑制算法 | 第49-52页 |
| 4.2.1 动态阈值的非极大值抑制算法 | 第49-51页 |
| 4.2.2 非极大值抑制算法改进前后的对比分析 | 第51-52页 |
| 4.3 实验结果与分析 | 第52-59页 |
| 4.3.1 PASCAL VOC2007数据集实验结果 | 第53-56页 |
| 4.3.2 PASCAL VOC2012数据集实验结果 | 第56-58页 |
| 4.3.3 真实场景的检测结果 | 第58-59页 |
| 4.4 本章小结 | 第59-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |