基于端到端卷积神经网络的目标检测与分类
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究意义 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 主要研究内容 | 第15-16页 |
| 1.5 论文整体结构 | 第16页 |
| 1.6 本章小结 | 第16-17页 |
| 2 相关算法研究介绍 | 第17-30页 |
| 2.1 浅层学习 | 第17-18页 |
| 2.1.1 受限玻尔兹曼机 | 第17页 |
| 2.1.2 稀疏编码 | 第17-18页 |
| 2.2 深度学习 | 第18-28页 |
| 2.2.1 图像分类 | 第19-24页 |
| 2.2.2 目标检测 | 第24-28页 |
| 2.3 本章小结 | 第28-30页 |
| 3 小物体分类的多簇集卷积神经网络 | 第30-43页 |
| 3.1 引言 | 第30-33页 |
| 3.2 小物体分类网络的设计模式 | 第33-37页 |
| 3.2.1 网络路径 | 第34-35页 |
| 3.2.2 网络学习策略 | 第35-36页 |
| 3.2.3 多分支卷积神经单元 | 第36页 |
| 3.2.4 多簇集卷积神经单元 | 第36-37页 |
| 3.3 多簇集卷积神经网络结构 | 第37-40页 |
| 3.4 实验结果 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于多尺度特征金字塔的目标检测 | 第43-50页 |
| 4.1 引言 | 第43-45页 |
| 4.2 网络架构描述 | 第45-48页 |
| 4.2.1 1×1卷积层与特征金字塔 | 第45-46页 |
| 4.2.2 特征金字塔的连接 | 第46-48页 |
| 4.3 实验结果 | 第48-49页 |
| 4.3.1 网络训练和测试 | 第48页 |
| 4.3.2 VOC 2007+2012 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 总结和展望 | 第50-52页 |
| 5.1 本文研究重点回顾 | 第50-51页 |
| 5.2 研究工作展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-60页 |
