| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及研究目的和意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 卷积神经网络研究现状 | 第12-13页 |
| 1.2.2 车辆检测研究现状 | 第13-15页 |
| 1.3 本文主要工作及结构 | 第15-18页 |
| 1.3.1 本文的工作 | 第15-16页 |
| 1.3.2 本文的结构 | 第16-18页 |
| 第二章 基于卷积神经网络的目标检测 | 第18-37页 |
| 2.1 引言 | 第18页 |
| 2.2 基于卷积神经网络的目标检测 | 第18-20页 |
| 2.2.1 卷积神经网络概述 | 第18-19页 |
| 2.2.2 基本网络结构 | 第19-20页 |
| 2.2.3 基本工作原理 | 第20页 |
| 2.3 从R-CNN发展至Mask R-CNN的目标检测 | 第20-32页 |
| 2.3.1 R-CNN | 第21-22页 |
| 2.3.2 Spatial Pyramid Pooling Net (SPPNet) | 第22-24页 |
| 2.3.3 Fast R-CNN | 第24-26页 |
| 2.3.4 Faster R-CNN | 第26-28页 |
| 2.3.5 Mask R-CNN | 第28-32页 |
| 2.4 R-CNN系列算法对比 | 第32-37页 |
| 2.4.1 网络结构对比 | 第32-34页 |
| 2.4.2 实验结果对比 | 第34-37页 |
| 第三章 基于改进的Mask R-CNN车辆检测 | 第37-43页 |
| 3.1 特征提取网络结构改进 | 第37-39页 |
| 3.2 候选窗口分类器结构改进 | 第39-40页 |
| 3.3 非极大值抑制算法改进 | 第40-43页 |
| 第四章 实验结果及分析 | 第43-49页 |
| 4.1 实验环境 | 第43页 |
| 4.2 实验数据 | 第43-45页 |
| 4.3 数据预处理 | 第45-46页 |
| 4.4 测试结果 | 第46-49页 |
| 第五章 结论与展望 | 第49-51页 |
| 总结 | 第49页 |
| 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间的科研工作 | 第56页 |