首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

光电成像目标识别与检测关键技术研究

摘要第5-7页
abstract第7-9页
第一章 绪论第13-29页
    1.1 研究的背景及意义第13-15页
    1.2 目标识别和检测的困难与挑战第15-18页
        1.2.1 速度方面第15-16页
        1.2.2 精度方面第16-18页
    1.3 当前研究的现状第18-25页
        1.3.1 目标识别第19-22页
        1.3.2 目标检测第22-25页
    1.4 本文研究内容与技术路线第25-27页
    1.5 本文组织架构第27-29页
第二章 分类模型的优化研究及其在目标识别中的应用第29-50页
    2.1 引言第29-30页
    2.2 “视觉词包”模型第30-31页
    2.3 特征提取第31-32页
    2.4 分类模型第32-38页
        2.4.1 生成模型第33-34页
        2.4.2 判别模型第34页
        2.4.3 支持向量机第34-38页
    2.5 支持向量的约简第38-42页
        2.5.1 约简集算法第39-40页
        2.5.2 约简支持向量集第40-42页
    2.6 精简支持向量机在目标识别中的应用第42-49页
        2.6.1 实验设置第42-43页
        2.6.2 在OT-8Scenes数据集上的实验结果第43-45页
        2.6.3 在Caltech-101数据集上的实验结果第45-46页
        2.6.4 约简率与分类模型的关系第46-49页
    2.7 本章小结第49-50页
第三章 基于空间信息的局部压缩特征在目标检测中的应用第50-70页
    3.1 引言第50-51页
    3.2 相关工作第51-52页
    3.3 基于空间信息的局部外观特征及特征词典构建第52-55页
        3.3.1 基于空间信息的局部外观特征第52-53页
        3.3.2 构建特征词典第53-54页
        3.3.3 构建特征向量第54-55页
    3.4 基于压缩感知的特征压缩第55-57页
        3.4.1 随机映射与压缩感知理论第55-56页
        3.4.2 稀疏随机矩阵第56-57页
    3.5 分类模型—AdaBoost第57-58页
    3.6 位置估计第58-60页
    3.7 实验与分析第60-68页
        3.7.1 在飞行器数据集上的实验结果第60-63页
        3.7.2 在Caltech-101数据集上的实验结果第63-64页
        3.7.3 关于特征压缩算法的分析第64-68页
    3.8 本章小结第68-70页
第四章 基于区域推荐的快速目标检测第70-91页
    4.1 引言第70-71页
    4.2 相关工作第71-74页
    4.3 基于二值规范化梯度特征的区域推荐第74-77页
        4.3.1 基于规范化梯度特征的似物性估计第75-76页
        4.3.2 二值规范化梯度特征-BING第76-77页
    4.4 基于随机森林和分块BoW的快速编码第77-83页
        4.4.1 随机森林第78-82页
        4.4.2 基于分块BoW的特征编码第82-83页
    4.5 实验与分析第83-89页
        4.5.1 在Caltech-101数据集上的实验结果第83-86页
        4.5.2 在PASCALVOC2007数据集上的实验结果第86-88页
        4.5.3 在飞行器数据集上的实验结果第88-89页
    4.6 本章小结第89-91页
第五章 基于级联卷积神经网络的小目标检测第91-113页
    5.1 引言第91-92页
    5.2 相关工作第92-95页
    5.3 卷积神经网络第95-98页
        5.3.1 卷积神经网络的基本结构第96-98页
        5.3.2 优化算法第98页
    5.4 本章提出的级联CNN检测框架第98-102页
        5.4.1 VPN的构建第99-101页
        5.4.2 VDN的构建第101-102页
    5.5 实验与分析第102-111页
        5.5.1 评价指标第104-105页
        5.5.2 在VEDAI数据集上的对比实验第105-109页
        5.5.3 在Munich汽车数据集上的对比实验第109-111页
    5.6 本章小结第111-113页
第六章 总结与展望第113-117页
    6.1 本文总结第113-115页
        6.1.1 主要工作第113-114页
        6.1.2 特色与创新第114-115页
    6.2 未来展望第115-117页
致谢第117-118页
参考文献第118-131页
攻读博士学位期间取得的成果第131页

论文共131页,点击 下载论文
上一篇:基于眼底相机的双波长视网膜血氧仪若干问题研究及应用
下一篇:自适应光学瞳面滤波超分辨成像技术及其对视功能的影响研究