| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 传统的目标检测算法 | 第11-12页 |
| 1.2.2 深度学习的目标检测算法 | 第12-15页 |
| 1.3 目标检测所面临的难点 | 第15-16页 |
| 1.4 论文的主要研究内容和结构安排 | 第16-18页 |
| 1.4.1 主要研究内容 | 第16-17页 |
| 1.4.2 论文结构安排 | 第17-18页 |
| 第二章 目标检测相关理论基础 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 卷积神经网络 | 第18-23页 |
| 2.2.1 卷积层 | 第19页 |
| 2.2.2 激活函数 | 第19-21页 |
| 2.2.3 池化层 | 第21页 |
| 2.2.4 全连接层 | 第21-22页 |
| 2.2.5 损失函数 | 第22-23页 |
| 2.2.6 前向传播/反向传播 | 第23页 |
| 2.3 目标检测组件 | 第23-26页 |
| 2.3.1 区域生成 | 第23-24页 |
| 2.3.2 边框回归 | 第24-25页 |
| 2.3.3 非极大值抑制 | 第25-26页 |
| 2.4 评价指标 | 第26-28页 |
| 2.4.1 正确率与召回率 | 第26-27页 |
| 2.4.2 平均正确率与平均检测精度 | 第27页 |
| 2.4.3 检测速度 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于深度学习的目标检测算法分析与比较 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 Faster R-CNN目标检测算法 | 第29-32页 |
| 3.3 SSD目标检测算法 | 第32-33页 |
| 3.4 实验结果对比与分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于特征融合与对抗遮挡网络的目标检测 | 第37-49页 |
| 4.1 引言 | 第37-38页 |
| 4.2 特征提取网络 | 第38-40页 |
| 4.2.1 VGGNet网络 | 第38-39页 |
| 4.2.2 Res Net网络 | 第39-40页 |
| 4.3 特征融合网络 | 第40-42页 |
| 4.3.1 反卷积 | 第40-41页 |
| 4.3.2 特征图融合方式 | 第41-42页 |
| 4.4 对抗遮挡网络 | 第42-44页 |
| 4.4.1 对抗学习 | 第42-43页 |
| 4.4.2 网络设计 | 第43-44页 |
| 4.5 改进的非极大值抑制 | 第44-46页 |
| 4.5.1 Soft NMS | 第45页 |
| 4.5.2 改进的NMS | 第45-46页 |
| 4.6 联合训练 | 第46-48页 |
| 4.6.1 Anchor设定 | 第46页 |
| 4.6.2 损失函数 | 第46-47页 |
| 4.6.3 训练策略 | 第47-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第五章 实验结果对比与分析 | 第49-59页 |
| 5.1 引言 | 第49页 |
| 5.2 实验环境 | 第49页 |
| 5.3 数据集介绍 | 第49-50页 |
| 5.3.1 PASCAL VOC数据集 | 第49页 |
| 5.3.2 MS COCO数据集 | 第49-50页 |
| 5.3.3 KITTI数据集 | 第50页 |
| 5.4 实验结果对比与分析 | 第50-58页 |
| 5.4.1 PASCAL VOC2007 数据集测试结果 | 第50-54页 |
| 5.4.2 PASCAL VOC2012 数据集测试结果 | 第54页 |
| 5.4.3 MS COCO数据集测试结果 | 第54-55页 |
| 5.4.4 KITTI数据集测试结果 | 第55-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 研究工作总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 附录2 攻读硕士学位期间申请的专利 | 第66-67页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 致谢 | 第68页 |