基于深度学习的目标跟踪研究及在白带识别中的应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 研究现状与技术挑战 | 第12-17页 |
| 1.2.1 研究现状 | 第12-16页 |
| 1.2.2 技术挑战 | 第16-17页 |
| 1.3 论文的主要研究内容 | 第17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 相关理论 | 第19-39页 |
| 2.1 目标表观建模 | 第19-23页 |
| 2.1.1 视觉描述模块 | 第20-21页 |
| 2.1.2 模型学习模块 | 第21-23页 |
| 2.2 目标特征 | 第23-25页 |
| 2.2.1 颜色直方图 | 第23-24页 |
| 2.2.2 方向梯度直方图 | 第24-25页 |
| 2.3 深度学习在目标跟踪中的应用 | 第25-37页 |
| 2.3.1 深度学习研究现状 | 第25-27页 |
| 2.3.2 深度学习模型 | 第27-35页 |
| 2.3.3 存在问题 | 第35-36页 |
| 2.3.4 PCANet网络 | 第36-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 基于深度学习的目标跟踪算法 | 第39-51页 |
| 3.1 EdgeBoxes算子 | 第39-41页 |
| 3.2 基于深度学习的目标跟踪基本原理 | 第41-44页 |
| 3.2.1 训练样本和权值初始化 | 第42-43页 |
| 3.2.2 检测模块 | 第43页 |
| 3.2.3 目标定位 | 第43-44页 |
| 3.3 实验设计与分析 | 第44-50页 |
| 3.3.1 初始化参数设置 | 第44页 |
| 3.3.2 评价准则与方法 | 第44页 |
| 3.3.3 实验结果与分析 | 第44-49页 |
| 3.3.4 算法之间的对比分析 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 基于深度学习特征的霉菌细胞检测识别算法 | 第51-63页 |
| 4.1 基于深度学习特征的细胞检测 | 第51-60页 |
| 4.1.1 样本准备 | 第52-53页 |
| 4.1.2 特征提取 | 第53-56页 |
| 4.1.3 分类器设计 | 第56-57页 |
| 4.1.4 候选区域生成 | 第57-60页 |
| 4.2 实验与分析 | 第60-61页 |
| 4.2.1 实验数据 | 第60页 |
| 4.2.2 实验结果与分析 | 第60-61页 |
| 4.3 本章小结 | 第61-63页 |
| 第五章 总结及展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第71页 |
