基于卷积神经网络的人群计数算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 相关知识 | 第16-32页 |
| 2.1 深度学习简述 | 第16-17页 |
| 2.2 神经网络 | 第17-20页 |
| 2.2.1 感知器 | 第18页 |
| 2.2.2 多层感知器 | 第18-20页 |
| 2.3 卷积神经网络 | 第20-29页 |
| 2.3.1 结构特性 | 第20-22页 |
| 2.3.2 主要网络层 | 第22-26页 |
| 2.3.3 训练过程 | 第26-28页 |
| 2.3.4 经典网络分析 | 第28-29页 |
| 2.4 CNN在人群计数中的应用 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于尺度感知CNN的人群计数 | 第32-46页 |
| 3.1 算法流程 | 第32-33页 |
| 3.2 高斯核密度图 | 第33-34页 |
| 3.3 尺度感知CNN | 第34-44页 |
| 3.3.1 特征提取网络 | 第34-38页 |
| 3.3.2 特征融合网络 | 第38-41页 |
| 3.3.3 SCNN整体结构 | 第41-44页 |
| 3.3.4 损失函数 | 第44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 实验及结果分析 | 第46-60页 |
| 4.1 评价标准 | 第46-47页 |
| 4.2 两个常用数据集 | 第47-49页 |
| 4.2.1 ShanghaiTech数据集 | 第47-48页 |
| 4.2.2 UCF_CC_50数据集 | 第48-49页 |
| 4.3 数据预处理 | 第49-50页 |
| 4.4 训练参数设置 | 第50页 |
| 4.5 实验一:验证性实验 | 第50-54页 |
| 4.5.1 FEN有效性验证 | 第50-51页 |
| 4.5.2 FFN有效性验证 | 第51-54页 |
| 4.6 实验二:ShanghaiTech数据集 | 第54-57页 |
| 4.7 实验三:UCF_CC_50数据集 | 第57-59页 |
| 4.8 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 在读期间发表的学术论文与取得的研究成果 | 第70页 |
