| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 传感器方法 | 第15页 |
| 1.2.2 图像处理方法 | 第15页 |
| 1.2.3 深度学习方法 | 第15-19页 |
| 1.3 烟火识别和检测的技术难点 | 第19-20页 |
| 1.4 本文的主要研究内容 | 第20页 |
| 1.5 本文的组织结构 | 第20-22页 |
| 第2章 关键技术分析 | 第22-32页 |
| 2.1 CNN | 第22-25页 |
| 2.1.1.CNN结构 | 第22-25页 |
| 2.1.2.CNN的特性 | 第25页 |
| 2.2 目标检测网络 | 第25-28页 |
| 2.2.1.基于候选区域的目标检测算法 | 第26-27页 |
| 2.2.2.基于回归的目标检测算法 | 第27-28页 |
| 2.3 网络剪枝 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 基于深度学习的烟火图像识别与检测 | 第32-54页 |
| 3.1 烟火识别网络的设计与实现 | 第32-35页 |
| 3.2 烟火检测网络的设计与实现 | 第35-42页 |
| 3.2.1.refinedet模型的基础网络和额外层的改进与分析 | 第35-38页 |
| 3.2.2.refinedet模型的辅助网络改进与分析 | 第38-42页 |
| 3.3 实验平台和实验数据集 | 第42-44页 |
| 3.3.1.实验平台 | 第42页 |
| 3.3.2.实验数据集 | 第42-44页 |
| 3.4 烟火识别实验结果和分析 | 第44-48页 |
| 3.4.1.数据预处理和模型预训练 | 第44-45页 |
| 3.4.2.模型性能评估 | 第45-48页 |
| 3.5 烟火检测实验结果和分析 | 第48-52页 |
| 3.5.1.数据预处理和模型预训练 | 第48页 |
| 3.5.2.模型评估标准 | 第48-50页 |
| 3.5.3.模型的性能评估 | 第50-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第4章 烟火识别和检测网络的通道剪枝 | 第54-70页 |
| 4.1 通道剪枝 | 第54-57页 |
| 4.1.1.通道剪枝方法简介 | 第54-55页 |
| 4.1.2.添加辅助层 | 第55-56页 |
| 4.1.3.快速迭代阈值收缩剪枝算法 | 第56-57页 |
| 4.2 烟火识别网络的通道剪枝 | 第57-65页 |
| 4.2.1.烟火识别网络通道剪枝设计 | 第58-60页 |
| 4.2.2.烟火识别网络通道剪枝实验结果 | 第60-65页 |
| 4.3 烟火检测网络的通道剪枝 | 第65-68页 |
| 4.3.1.烟火检测网络的剪枝预处理 | 第65-66页 |
| 4.3.2.烟火检测网络的剪枝实验结果评估 | 第66-68页 |
| 4.4 烟火识别和检测过程的处理流程图 | 第68-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 本文总结 | 第70-71页 |
| 5.2 下一步工作和展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第78页 |