基于深度学习的人体行为检测方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 人体行为检测技术研究的难点 | 第13-14页 |
| 1.4 本文的主要研究内容和安排 | 第14-16页 |
| 第2章 深度学习及卷积神经网络 | 第16-32页 |
| 2.1 深度学习 | 第16-24页 |
| 2.1.1 人工神经网络 | 第16-20页 |
| 2.1.2 深度学习基本理论及学习过程 | 第20-24页 |
| 2.2 卷积神经网络 | 第24-30页 |
| 2.2.1 卷积神经网络基本原理 | 第24-27页 |
| 2.2.2 卷积神经网络的经典应用 | 第27-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第3章 FasterR-CNN算法 | 第32-46页 |
| 3.1 算法原理及结构 | 第32-43页 |
| 3.1.1 R-CNN模型介绍 | 第32-34页 |
| 3.1.2 FastR-CNN结构原理 | 第34-35页 |
| 3.1.3 FasterR-CNN结构原理 | 第35-43页 |
| 3.2 深度学习框架 | 第43-44页 |
| 3.2.1 典型深度学习框架 | 第43-44页 |
| 3.2.2 深度学习框架搭建 | 第44页 |
| 3.3 本章小结 | 第44-46页 |
| 第4章 FasterR-CNN算法实验 | 第46-58页 |
| 4.1 人体行为数据集 | 第46-48页 |
| 4.2 人体行为检测整体流程 | 第48-49页 |
| 4.3 人体行为检测仿真实验 | 第49-56页 |
| 4.4 实验对比分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 改进的人体行为检测算法 | 第58-68页 |
| 5.1 批量规范化算法 | 第58-60页 |
| 5.2 在线难例挖掘算法 | 第60-62页 |
| 5.3 改进算法实验及比较分析 | 第62-67页 |
| 5.3.1 算法改进 | 第62页 |
| 5.3.2 改进算法实验 | 第62-66页 |
| 5.3.3 实验结果比较分析 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-76页 |
| 致谢 | 第76页 |
