基于卷积神经网络的多部位人体检测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13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 论文的组织结构 | 第12-13页 |
| 第2章 R-CNN方法简介 | 第13-27页 |
| 2.1 R-CNN方法框架 | 第13-14页 |
| 2.2 区域推荐 | 第14-16页 |
| 2.2.1 区域合并 | 第14-15页 |
| 2.2.2 区域相似度计算 | 第15-16页 |
| 2.3 特征提取 | 第16-22页 |
| 2.3.1 卷积神经网络原理 | 第17-20页 |
| 2.3.2 卷积神经网络结构 | 第20-22页 |
| 2.4 支持向量机分类 | 第22-25页 |
| 2.5 非极大值抑制 | 第25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 基于人体多部位的R-CNN模型 | 第27-35页 |
| 3.1 模型简介 | 第27-28页 |
| 3.2 模型训练 | 第28-31页 |
| 3.2.1 卷积神经网络模型训练 | 第28-30页 |
| 3.2.2 支持向量机模型训练 | 第30-31页 |
| 3.3 模型检测 | 第31-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于卷积神经网络的多部位人体检测算法 | 第35-45页 |
| 4.1 算法框架 | 第35-36页 |
| 4.2 空间几何约束 | 第36-43页 |
| 4.2.1 空间位置约束 | 第37-38页 |
| 4.2.2 高斯混合模型约束 | 第38-40页 |
| 4.2.3 K近邻约束 | 第40-43页 |
| 4.3 本章小结 | 第43-45页 |
| 第5章 实验结果与分析 | 第45-53页 |
| 5.1 数据预处理 | 第45-46页 |
| 5.2 多部位人体检测结果 | 第46-48页 |
| 5.3 参数影响的分析 | 第48-49页 |
| 5.4 实验结果分析 | 第49-51页 |
| 5.5 本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-61页 |
| 致谢 | 第61页 |
