首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

结合多通道特征和可形变部件的鸟类检测算法研究

摘要第3-5页
Abstract第5-6页
第1章 绪论第9-18页
    1.1 课题研究背景及意义第9-10页
    1.2 国内外研究发展现状第10-15页
        1.2.1 鸟类检测研究难点第11页
        1.2.2 鸟类检测国内外研究现状第11-15页
    1.3 主要研究内容第15-16页
    1.4 本文章节安排第16-17页
    1.5 本章小结第17-18页
第2章 基本理论第18-31页
    2.1 图像特征提取第18-24页
        2.1.1 Harr特征第18-20页
        2.1.2 LBP特征第20-21页
        2.1.3 HOG特征第21-24页
    2.2 可形变部件模型第24-29页
        2.2.1 DPM模型结构第24-27页
        2.2.2 基于LatentSVM的模型训练第27-28页
        2.2.3 模型训练流程第28页
        2.2.4 后处理第28-29页
    2.3 DPM存在的主要问题第29-30页
    2.4 本章小结第30-31页
第3章 结合ACF特征和DPM模型的鸟类检测算法研究第31-43页
    3.1 引言第31页
    3.2 实验数据集第31-35页
        3.2.1 PASCALVOC数据集第31-32页
        3.2.2 ImageNet数据集第32-33页
        3.2.3 专用鸟类数据集的建立第33-35页
    3.3 ACF-DPM模型第35-38页
        3.3.1 多通道特征选取第35-37页
        3.3.2 ACF-DPM模型第37-38页
    3.4 实验及结果分析第38-42页
        3.4.1 实验环境和评价标准第38-39页
        3.4.2 数据集选择第39页
        3.4.3 实验结果定性分析第39-40页
        3.4.4 实验结果定量分析第40-42页
    3.5 本章小结第42-43页
第4章 改进的ACF-DPM鸟类模型第43-55页
    4.1 引言第43-44页
    4.2 ACF-DPM模型优化第44-47页
        4.2.1 组件及部件优化分析第44-46页
        4.2.2 滤波器尺寸优化分析第46-47页
    4.3 加权的鸟类ACF-DPM模型第47-49页
    4.4 实验结果及分析第49-54页
        4.4.1 ACF-DPM模型优化结果及分析第49-51页
            4.4.1.1 组件及部件优化结果及分析第49-50页
            4.4.1.2 滤波器尺寸优化结果及分析第50-51页
        4.4.2 加权的ACF-DPM鸟类模型实验结果及分析第51-54页
            4.4.2.1 实验结果的定性分析第51-52页
            4.4.2.2 实验结果的定量分析第52-54页
    4.5 本章小结第54-55页
第5章 总结与展望第55-57页
    5.1 本文工作总结和创新点第55-56页
    5.2 未来工作展望第56-57页
参考文献第57-62页
攻读硕士学位期间撰写的论文和参加科研情况第62-63页
    一、攻读硕士学位期间撰写的论文第62页
    二、攻读硕士学位期间参加科研情况第62-63页
致谢第63-64页

论文共64页,点击 下载论文
上一篇:MRI脑部肿瘤分割及其三维重建
下一篇:基于结构光的大工件三维测量拼接方法的研究