| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 相关技术概述 | 第13-17页 |
| 1.2.1 目标检测技术 | 第13-14页 |
| 1.2.2 图像分类技术 | 第14-15页 |
| 1.2.3 图像分割技术 | 第15-17页 |
| 1.3 本文的主要工作及结构安排 | 第17-19页 |
| 第2章 基于Faster R-CNN网络结构的货架商品检测 | 第19-33页 |
| 2.1 问题描述 | 第19-20页 |
| 2.2 Faster R-CNN原理概述 | 第20-24页 |
| 2.2.1 Faster R-CNN的思想 | 第20页 |
| 2.2.2 Faster R-CNN框架介绍 | 第20-21页 |
| 2.2.3 区域生成网络介绍 | 第21-23页 |
| 2.2.4 Faster R-CNN损失函数 | 第23-24页 |
| 2.3 商品检测方案设计 | 第24页 |
| 2.4 训练样本生成 | 第24-27页 |
| 2.4.1 原始样品图像采集 | 第24-26页 |
| 2.4.2 样品图像贴图 | 第26-27页 |
| 2.5 货架商品检测测试 | 第27-32页 |
| 2.5.1 Faster R-CNN模型训练 | 第27-29页 |
| 2.5.2 货架商品检测结果 | 第29-31页 |
| 2.5.3 测试结果分析 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于SSD网络结构的货架商品检测 | 第33-42页 |
| 3.1 问题描述 | 第33页 |
| 3.2 SSD原理概述 | 第33-36页 |
| 3.3 商品检测方案设计 | 第36-37页 |
| 3.4 训练样本生成 | 第37页 |
| 3.5 货架商品检测测试 | 第37-41页 |
| 3.5.1 SSD物体检测模型训练 | 第37页 |
| 3.5.2 货架商品检测结果 | 第37-40页 |
| 3.5.3 测试结果分析 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于分治策略的商品检测方案设计 | 第42-53页 |
| 4.1 问题描述 | 第42-43页 |
| 4.2 商品检测方案 | 第43页 |
| 4.3 关键技术点概述 | 第43-52页 |
| 4.3.1 边缘检测算法 | 第43-47页 |
| 4.3.2 颜色直方图 | 第47-48页 |
| 4.3.3 投影直方图 | 第48页 |
| 4.3.4 BRISK特征 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 商品检测方案实现和性能评估 | 第53-69页 |
| 5.1 问题描述 | 第53页 |
| 5.2 货架商品图像分割 | 第53-61页 |
| 5.2.1 货架商品图像分割步骤 | 第53-54页 |
| 5.2.2 货架商品图像分层分割 | 第54-56页 |
| 5.2.3 单层货架商品图像分割 | 第56-61页 |
| 5.3 商品检测 | 第61-67页 |
| 5.3.1 物体检测模型训练 | 第61页 |
| 5.3.2 测试数据 | 第61-62页 |
| 5.3.3 性能度量方法 | 第62-63页 |
| 5.3.4 使用Faster R-CNN的商品检测结果 | 第63-65页 |
| 5.3.5 使用SSD的商品检测结果 | 第65-67页 |
| 5.3.6 测试结果分析 | 第67页 |
| 5.4 本章小结 | 第67-69页 |
| 第6章 总结和展望 | 第69-72页 |
| 6.1 本文工作总结 | 第69-70页 |
| 6.2 后续工作展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间主要研究成果 | 第75-76页 |
| 致谢 | 第76页 |