改进的Faster-Rcnn在车辆检测的应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 传统目标检测算法 | 第9-11页 |
| 1.2.2 基于深度卷积神经网络的目标检测算法 | 第11-14页 |
| 1.3 本文主要研究内容与组织结构 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 本文组织结构 | 第14-16页 |
| 2 卷积神经网络基本原理及分析 | 第16-32页 |
| 2.1 卷积神经网络基本原理 | 第16-25页 |
| 2.1.1 卷积神经网络基本结构 | 第16-22页 |
| 2.1.2 卷积神经网络训练 | 第22-25页 |
| 2.2 常见卷积神经网络模型 | 第25-29页 |
| 2.2.1 ZF网络 | 第25-26页 |
| 2.2.2 VGG网络 | 第26页 |
| 2.2.3 GoogleNet网络 | 第26-27页 |
| 2.2.4 残差网络 | 第27-28页 |
| 2.2.5 MobileNets | 第28-29页 |
| 2.3 卷积神经网络分析 | 第29页 |
| 2.4 非极大值抑制 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 改进的Faster-Rcnn目标检测算法 | 第32-40页 |
| 3.1 Faster-Rcnn算法原理 | 第32-36页 |
| 3.1.1 特征提取网络 | 第32-33页 |
| 3.1.2 区域生成网络 | 第33-34页 |
| 3.1.3 目标检测网络 | 第34-36页 |
| 3.2 特征提取网络的选取 | 第36-37页 |
| 3.3 区域生成网络的改进 | 第37-39页 |
| 3.3.1 特征融合 | 第37-38页 |
| 3.3.2 锚点尺寸重新设置 | 第38页 |
| 3.3.3 多尺度预测 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 实验及结果分析 | 第40-46页 |
| 4.1 实验环境与模型训练 | 第40-41页 |
| 4.1.1 硬件配置 | 第40页 |
| 4.1.2 KITTI数据集 | 第40页 |
| 4.1.3 性能评价指标 | 第40-41页 |
| 4.2 车辆检测结果分析 | 第41-45页 |
| 4.2.1 改进特征提取网络结果分析 | 第41-42页 |
| 4.2.2 改进区域生成网络结果分析 | 第42-44页 |
| 4.2.3 锚点尺寸重新设置结果分析 | 第44-45页 |
| 4.3 本章小结 | 第45-46页 |
| 5 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 攻读硕士学位期间主要研究成果 | 第56页 |
