基于CNN一体化的目标识别、定位、检测
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-22页 |
| 1.2.1 传统的目标检测 | 第15-19页 |
| 1.2.2 基于深度学习的目标检测 | 第19-22页 |
| 1.3 论文的主要内容 | 第22-24页 |
| 第2章 目标检测基础理论及研究 | 第24-38页 |
| 2.1 检测区域提名 | 第24-26页 |
| 2.2 卷积网络 | 第26-30页 |
| 2.2.1 卷积 | 第28-29页 |
| 2.2.2 池化 | 第29-30页 |
| 2.2.3 全连接层与softmax分类层 | 第30页 |
| 2.3 边界框回归 | 第30-31页 |
| 2.4 非极大值抑制 | 第31-32页 |
| 2.5 代价函数 | 第32-33页 |
| 2.6 训练理论 | 第33-35页 |
| 2.7 目标检测性能评估 | 第35-36页 |
| 2.7.1 检测精度和召回率 | 第35页 |
| 2.7.2 目标定位评估 | 第35-36页 |
| 2.8 目标检测方法研究现状总结 | 第36-38页 |
| 第3章 改进的基于端到端的目标检测 | 第38-52页 |
| 3.1 端到端目标检测剖析 | 第38-39页 |
| 3.2 改进的基于端到端的目标检测 | 第39-49页 |
| 3.2.1 区域提名方式选取 | 第39-44页 |
| 3.2.2 目标函数的改进 | 第44-46页 |
| 3.2.3 激活函数选取 | 第46-49页 |
| 3.3 实验仿真与分析 | 第49-50页 |
| 3.4 讨论与思考 | 第50-52页 |
| 第4章 基于多尺度特征提取的目标检测 | 第52-66页 |
| 4.1 特征提取的问题与解决方案 | 第52页 |
| 4.2 基于多尺度特征提取的目标检测 | 第52-58页 |
| 4.2.1 通道重组 | 第54-55页 |
| 4.2.2 相加连接 | 第55-57页 |
| 4.2.3 迁移学习 | 第57-58页 |
| 4.3 训练方式改进 | 第58-61页 |
| 4.3.1 多尺度空间 | 第59-60页 |
| 4.3.2 分辨率变化 | 第60-61页 |
| 4.4 方法及结果 | 第61-63页 |
| 4.5 讨论与思考 | 第63-66页 |
| 第5章 目标检测一体化的实时实现 | 第66-76页 |
| 5.1 一体化结构 | 第66-67页 |
| 5.2 数据增广 | 第67-69页 |
| 5.3 目标增广 | 第69-72页 |
| 5.4 硬件及软件环境 | 第72-74页 |
| 5.5 方法及结果 | 第74-75页 |
| 5.6 思考与讨论 | 第75-76页 |
| 第6章 结论与展望 | 第76-78页 |
| 6.1 本文工作总结 | 第76-77页 |
| 6.2 未来研究方向 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第84页 |
