自然场景中的物体检测相关技术研究
| 学位论文数据集 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 课题背景和意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 物体检测算法 | 第15-17页 |
| 1.2.2 训练数据获取 | 第17页 |
| 1.3 本文工作 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第二章 相关理论 | 第19-29页 |
| 2.1 物体检测的组件 | 第19-24页 |
| 2.1.1 特征提取 | 第19-20页 |
| 2.1.2 分类器 | 第20-23页 |
| 2.1.3 定位算法 | 第23-24页 |
| 2.2 检测算法框架 | 第24-29页 |
| 2.2.1 可形变部件模型 | 第24-25页 |
| 2.2.2 物体检测神经网络 | 第25-29页 |
| 第三章 平面图案检测的训练样本生成 | 第29-39页 |
| 3.1 研究背景 | 第29-30页 |
| 3.2 自然场景中的平面图案检测训练样本生成 | 第30-34页 |
| 3.2.1 训练数据合成方法 | 第30-31页 |
| 3.2.2 图案处理 | 第31-33页 |
| 3.2.3 背景图像处理 | 第33页 |
| 3.2.4 融合处理 | 第33-34页 |
| 3.3 实验结果和讨论 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 改进的多尺度特征物体检测网络 | 第39-53页 |
| 4.1 背景和动机 | 第39-40页 |
| 4.2 改进的多尺度特征提取网络 | 第40-44页 |
| 4.2.1 普通卷积网络的理论分析 | 第40-42页 |
| 4.2.2 多尺度网络结构 | 第42-44页 |
| 4.3 区域生成网络(RPN) | 第44-46页 |
| 4.3.1 卷积网络共享 | 第44-45页 |
| 4.3.2 区域生成网络结构 | 第45-46页 |
| 4.4 区域分类网络 | 第46-48页 |
| 4.4.1 区域分类网络结构 | 第46-47页 |
| 4.4.2 尺度归一化采样 | 第47-48页 |
| 4.5 训练和检测过程 | 第48-49页 |
| 4.6 实验和分析 | 第49-51页 |
| 4.7 本章小结 | 第51-53页 |
| 第五章 物体检测训练和识别系统 | 第53-67页 |
| 5.1 需求分析 | 第53-54页 |
| 5.1.1 检测网络训练模块的需求 | 第53-54页 |
| 5.1.2 检测服务模块的需求 | 第54页 |
| 5.2 系统设计 | 第54-57页 |
| 5.2.1 系统架构设计 | 第54-55页 |
| 5.2.2 检测算法模块设计 | 第55-57页 |
| 5.3 具体实现 | 第57-63页 |
| 5.3.1 开发环境和工具 | 第57页 |
| 5.3.2 主要模块的实现 | 第57-63页 |
| 5.4 系统运行效果 | 第63-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结和展望 | 第67-69页 |
| 6.1 工作总结 | 第67页 |
| 6.2 未来展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 研究成果及发表的学术论文 | 第75-77页 |
| 作者简介 | 第77-79页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第79-80页 |
