基于卷积神经网络的人群密度分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-20页 |
| 1.2.1 人群密度估计研究 | 第12-13页 |
| 1.2.2 基于深度学习的人群密度研究 | 第13-16页 |
| 1.2.3 人群透视研究 | 第16-18页 |
| 1.2.4 人群异常行为检测研究 | 第18-20页 |
| 1.3 本文研究目的与内容 | 第20-21页 |
| 1.4 章节安排 | 第21-23页 |
| 第二章 卷积神经网络基础理论 | 第23-37页 |
| 2.1 感知器 | 第23-25页 |
| 2.2 人工神经网络 | 第25-29页 |
| 2.2.1 激活函数 | 第26-27页 |
| 2.2.2 损失函数 | 第27-28页 |
| 2.2.3 梯度下降与反向传播 | 第28-29页 |
| 2.3 卷积神经网络 | 第29-34页 |
| 2.3.1 卷积神经网络的组成 | 第30-33页 |
| 2.3.2 卷积神经网络的关键技术 | 第33-34页 |
| 2.4 几种卷积神经网络结构 | 第34-36页 |
| 2.4.1 Alexnet | 第34-35页 |
| 2.4.2 Inception | 第35-36页 |
| 2.4.3 递归卷积结构 | 第36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 人群计数 | 第37-47页 |
| 3.1 人群密度概率图 | 第37-38页 |
| 3.2 多尺度融合递归卷积神经网络 | 第38-40页 |
| 3.3 损失函数 | 第40页 |
| 3.4 人群计数实验及结果分析 | 第40-46页 |
| 3.4.1 评价标准 | 第41页 |
| 3.4.2 参数设置 | 第41-42页 |
| 3.4.3 人群计数估计结果 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 人群密度分布估计 | 第47-65页 |
| 4.1 人群透视图 | 第47-48页 |
| 4.2 人群密度分布图 | 第48-49页 |
| 4.3 网络结构 | 第49-51页 |
| 4.4 训练策略 | 第51页 |
| 4.5 损失函数 | 第51-52页 |
| 4.6 人群密度分布估计实验及结果分析 | 第52-63页 |
| 4.6.1 评价标准 | 第53-54页 |
| 4.6.2 参数设置 | 第54-55页 |
| 4.6.3 对比实验 | 第55-58页 |
| 4.6.4 人群透视图估计结果 | 第58-61页 |
| 4.6.5 人群密度分布图估计结果 | 第61-63页 |
| 4.7 本章小结 | 第63-65页 |
| 第五章 人群异常行为检测 | 第65-75页 |
| 5.1 人群异常分散行为检测 | 第65-66页 |
| 5.2 人群异常聚集行为检测 | 第66-68页 |
| 5.2.1 图像级的人群异常聚集行为检测 | 第67页 |
| 5.2.2 像素级的人群异常聚集行为检测 | 第67-68页 |
| 5.3 人群异常行为检测实验及结果分析 | 第68-74页 |
| 5.3.1 人群异常分散行为检测结果 | 第68-72页 |
| 5.3.2 人群异常聚集行为检测结果 | 第72-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 论文创新点 | 第76页 |
| 6.3 工作展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第85页 |
