| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 本文主要工作及结构安排 | 第18-21页 |
| 第二章 基于深度学习的实时目标检测 | 第21-31页 |
| 2.1 经典实时目标检测网络 | 第21-24页 |
| 2.1.1 YOLO(You Only Look Once)检测网络 | 第21-22页 |
| 2.1.2 SSD(Single Shot Multibox Detector)检测网络 | 第22-24页 |
| 2.2 基于特征融合的实时目标检测网络 | 第24-29页 |
| 2.2.1 基于top-down结构特征融合的SSD网络 | 第24-27页 |
| 2.2.2 两阶段与单阶段相结合的top-down特征融合实时检测网络 | 第27-29页 |
| 2.3 本章小结 | 第29-31页 |
| 第三章 基于特征融合的SSD目标检测网络 | 第31-47页 |
| 3.1 SSD网络多尺度特征分析 | 第31-35页 |
| 3.1.1 SSD网络的反卷积可视化 | 第31-32页 |
| 3.1.2 多尺度特征的平移变化性 | 第32-34页 |
| 3.1.3 多尺度信息的特征响应图可视化 | 第34-35页 |
| 3.2 多尺度特征提取与融合 | 第35-40页 |
| 3.2.1 SSD多尺度特征融合网络 | 第36页 |
| 3.2.2 特征融合方式分析 | 第36-40页 |
| 3.3 实验结果及分析 | 第40-45页 |
| 3.3.1 检测网络性能评价标准 | 第40-42页 |
| 3.3.2 不同特征提取与融合方式比较 | 第42-44页 |
| 3.3.3 特征融合网络检测性能比较 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 基于特征嵌入式(Inception)多尺度预测结构的SSD特征融合网络 | 第47-59页 |
| 4.1 Inception预测结构 | 第47-49页 |
| 4.2 SSD检测网络中的Inception预测结构分析 | 第49-53页 |
| 4.2.1 特征可视化 | 第49-52页 |
| 4.2.2 不同预测结构比较 | 第52-53页 |
| 4.3 Inception预测结构的性能分析 | 第53-57页 |
| 4.3.1 基于SSD网络Inception预测结构性能比较 | 第53-54页 |
| 4.3.2 不同预测结构性能比较 | 第54-55页 |
| 4.3.3 基于Inception预测结构的多级特征融合网络性能比较 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 实验与分析 | 第59-73页 |
| 5.1 训练过程 | 第59-61页 |
| 5.2 网络多尺度特征融合结构性能分析 | 第61-66页 |
| 5.2.1 多尺度特征融合结构对网络定位性能的提升 | 第61-64页 |
| 5.2.2 Inception预测结构对网络识别精度的提升 | 第64-66页 |
| 5.3 基于PASCAL VOC数据集的网络检测性能比较 | 第66-71页 |
| 5.3.1 网络检测准确率的比较 | 第66-69页 |
| 5.3.2 网络检测速度及实例比较 | 第69-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
