| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-17页 |
| 第一章 绪论 | 第17-25页 |
| 1.1 研究背景和意义 | 第17页 |
| 1.2 基于移动终端的CNN发展历史和研究现状 | 第17-22页 |
| 1.2.1 传统卷积神经网络 | 第17-20页 |
| 1.2.2 基于原始模型压缩的移动终端CNN | 第20-21页 |
| 1.2.3 基于卷积重构的移动终端CNN | 第21-22页 |
| 1.2.4 基于自动构造的移动终端CNN | 第22页 |
| 1.3 主要研究内容和章节安排 | 第22-25页 |
| 第二章 基于移动终端的卷积神经网络相关理论 | 第25-41页 |
| 2.1 基于移动终端的图像分类网络 | 第25-29页 |
| 2.1.1 Mobilenet V1网络 | 第25-28页 |
| 2.1.2 Mobilenet V2网络 | 第28-29页 |
| 2.2 基于移动终端的目标检测网络 | 第29-34页 |
| 2.2.1 基于移动终端两阶段目标检测算法 | 第29-32页 |
| 2.2.2 基于移动终端的单阶段目标检测算法 | 第32-34页 |
| 2.3 基于移动终端的人体姿态识别网络 | 第34-37页 |
| 2.3.1 人体姿态识别领域研究现状 | 第34-37页 |
| 2.3.2 基于移动终端CNN的人体姿态识别 | 第37页 |
| 2.4 评价目标检测算法以及人体骨骼关键点检测算法的测试集 | 第37-39页 |
| 2.5 目标检测以及人体姿态识别评价方法 | 第39-40页 |
| 2.5.1 mAP（mean Average Precision） | 第39页 |
| 2.5.2 NE（Normalized Error） | 第39-40页 |
| 2.6 小结 | 第40-41页 |
| 第三章 基于目标检测与人体姿态识别的轻量级CNN研究 | 第41-63页 |
| 3.1 Mobilenet V1-SSD算法的不足 | 第41页 |
| 3.2 Open Pose算法的不足 | 第41-42页 |
| 3.3 基于目标检测的轻量级CNN重构 | 第42-48页 |
| 3.3.1 深度可分离卷积替换常规卷积 | 第42-44页 |
| 3.3.2 不同层级特征图融合 | 第44-45页 |
| 3.3.3 近似非线性层引入 | 第45-46页 |
| 3.3.4 BN（Batch Normalization）层等效替换 | 第46-48页 |
| 3.4 人体姿态识别网络重构 | 第48-50页 |
| 3.5 实验结果与分析 | 第50-61页 |
| 3.5.1 本论文算法总结 | 第51页 |
| 3.5.2 PASCAL VOC数据集实验准备及对比实验 | 第51-54页 |
| 3.5.3 COCO数据集结果对比 | 第54-57页 |
| 3.5.4 人体骨骼关键点检测实验对比 | 第57-61页 |
| 3.6 小结 | 第61-63页 |
| 第四章 基于移动终端的轻量级CNN并行加速平台的实现 | 第63-83页 |
| 4.1 移动终端对CNN的并行加速技术 | 第63-66页 |
| 4.1.1 基于硬件的移动终端并行计算加速 | 第63页 |
| 4.1.2 基于软件的移动终端并行计算加速 | 第63-66页 |
| 4.2 移动终端轻量级CNN并行加速平台设计与实现 | 第66-72页 |
| 4.2.1 并行加速平台的汇编语言实现 | 第66-71页 |
| 4.2.2 NDK（Native Development Kit） | 第71-72页 |
| 4.2.3 轻量级CNN算法的移植 | 第72页 |
| 4.3 实验结果与分析 | 第72-80页 |
| 4.3.1 实验准备工作 | 第72-73页 |
| 4.3.2 基于Mobilenet V1的图像分类速度对比 | 第73-74页 |
| 4.3.3 基于VOC数据集的目标检测对比实验 | 第74-76页 |
| 4.3.4 基于COCO数据集的目标检测对比实验 | 第76-77页 |
| 4.3.5 基于人体骨骼关键点检测的对比实验 | 第77-80页 |
| 4.4 小结 | 第80-83页 |
| 第五章 总结和展望 | 第83-85页 |
| 5.1 本论文工作总结 | 第83页 |
| 5.2 研究展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-91页 |
| 作者简介 | 第91-92页 |
