基于小样本学习的目标匹配研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 选题背景和意义 | 第15页 |
| 1.2 研究现状与发展趋势 | 第15-18页 |
| 1.2.1 目标匹配算法研究现状与发展趋势 | 第15-17页 |
| 1.2.2 小样本学习算法研究现状与发展趋势 | 第17-18页 |
| 1.3 研究内容 | 第18页 |
| 1.4 本文的结构安排 | 第18-21页 |
| 第二章 目标匹配算法和小样本学习概述 | 第21-31页 |
| 2.1 目标匹配算法概述 | 第21-23页 |
| 2.1.1 目标匹配的定义 | 第21页 |
| 2.1.2 目标匹配算法的流程 | 第21-22页 |
| 2.1.3 目标匹配算法的技术要素 | 第22页 |
| 2.1.4 目标匹配算法的性能 | 第22-23页 |
| 2.2 目标匹配的主要算法 | 第23-28页 |
| 2.2.1 基于图像配准的目标匹配 | 第24-25页 |
| 2.2.2 基于模板的目标匹配 | 第25-27页 |
| 2.2.3 基于深度神经网络的目标匹配 | 第27-28页 |
| 2.3 小样本学习简介 | 第28-30页 |
| 2.3.1 贝叶斯学习 | 第28页 |
| 2.3.2 度量网络 | 第28-29页 |
| 2.3.3 迁移学习 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于孪生网络的目标匹配算法研究 | 第31-53页 |
| 3.1 基于特征模板的目标匹配算法 | 第31-37页 |
| 3.1.1 Dense-SIFT特征提取算法 | 第32-34页 |
| 3.1.2 HOG特征提取算法 | 第34-36页 |
| 3.1.3 基于特征模板的目标匹配算法 | 第36-37页 |
| 3.2 基于孪生网络的目标匹配算法 | 第37-45页 |
| 3.2.1 卷积孪生网络算法 | 第37-40页 |
| 3.2.2 基于孪生网络的目标匹配原理 | 第40-45页 |
| 3.3 基于孪生网络的目标匹配算法实验 | 第45-52页 |
| 3.3.1 算法实现 | 第45-47页 |
| 3.3.2 实验结果与分析 | 第47-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 基于迁移学习的目标匹配算法研究 | 第53-75页 |
| 4.1 目标检测算法 | 第53-58页 |
| 4.1.1 目标检测算法简介 | 第53-54页 |
| 4.1.2 YOLOv2目标检测算法 | 第54-58页 |
| 4.2 基于迁移学习的目标匹配算法 | 第58-66页 |
| 4.2.1 卷积神经网络的迁移学习方法 | 第58-59页 |
| 4.2.2 空间变换网络 | 第59-60页 |
| 4.2.3 基于迁移学习的目标匹配原理 | 第60-66页 |
| 4.3 基于迁移学习的目标匹配算法实验 | 第66-74页 |
| 4.3.1 算法实现 | 第66-69页 |
| 4.3.2 实验与结果分析 | 第69-74页 |
| 4.4 本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 本文工作总结 | 第75-76页 |
| 5.2 未来工作展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者简介 | 第83-84页 |
