基于卷积神经网络和上下文模型的目标检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文概述 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-15页 |
| 第2章 相关技术介绍 | 第15-25页 |
| 2.1 R-CNN算法的网络结构 | 第15-19页 |
| 2.1.1 激活函数 | 第16-17页 |
| 2.1.2 局部响应归一化 | 第17页 |
| 2.1.3 解决过拟合问题 | 第17-19页 |
| 2.2 选择搜索算法 | 第19-22页 |
| 2.2.1 选择搜索算法的原理 | 第19-21页 |
| 2.2.2 选择搜索算法的实现 | 第21-22页 |
| 2.3 线性支持向量机 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 上下文模型 | 第25-33页 |
| 3.1 非极大值抑制算法及其缺点 | 第25-27页 |
| 3.2 上下文模型的介绍 | 第27-31页 |
| 3.2.1 上下文模型的构造 | 第28页 |
| 3.2.2 上下文模型的推理 | 第28-29页 |
| 3.2.3 上下文模型的优化 | 第29-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第4章 在R-CNN中应用上下文模型 | 第33-41页 |
| 4.1 R-CNN网络结构的训练 | 第33-35页 |
| 4.2 上下文模型的训练 | 第35-40页 |
| 4.2.1 预处理 | 第35-40页 |
| 4.2.2 割平面最优化 | 第40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 实验结果与分析 | 第41-47页 |
| 5.1 实验数据及流程 | 第41-43页 |
| 5.2 实验结果分析 | 第43-46页 |
| 5.3 本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间所发表的学术论文 | 第53-55页 |
| 致谢 | 第55页 |
