基于多示例学习的任意姿态人体检测
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第14-17页 |
| 1.1 引言 | 第14页 |
| 1.2 多示例学习 | 第14-15页 |
| 1.2.1 问题的提出 | 第14-15页 |
| 1.2.2 多示例学习的概念 | 第15页 |
| 1.3 本文的主要研究工作 | 第15-16页 |
| 1.4 本文的内容安排 | 第16-17页 |
| 第二章 多示例检测的研究现状 | 第17-21页 |
| 2.1 多示例学习的发展 | 第17-18页 |
| 2.2 弱监督检测的发展 | 第18-19页 |
| 2.3 检测技术的发展 | 第19-21页 |
| 第三章 多示例学习算法 | 第21-42页 |
| 3.1 算法概述 | 第21-22页 |
| 3.2 轴平行矩形（APR） | 第22-24页 |
| 3.2.1 算法简介 | 第22页 |
| 3.2.2 内到外的多示例APR算法 | 第22-23页 |
| 3.2.3 特征选择算法 | 第23-24页 |
| 3.3 多样性密度（DD） | 第24-25页 |
| 3.3.1 算法简介 | 第24页 |
| 3.3.2 多示例学习的DD算法 | 第24-25页 |
| 3.4 期望最大化的多样性密度（EM-DD） | 第25-26页 |
| 3.4.1 算法简介 | 第25-26页 |
| 3.4.2 具体过程 | 第26页 |
| 3.5 支持向量机（SVM） | 第26-28页 |
| 3.5.1 SVM算法简介 | 第26-27页 |
| 3.5.2 多示例学习的SVM算法 | 第27-28页 |
| 3.6 最邻近结点（KNN） | 第28-30页 |
| 3.6.1 KNN算法简介 | 第28-29页 |
| 3.6.2 多示例学习的KNN算法 | 第29页 |
| 3.6.3 引用方法（Citation-KNN） | 第29-30页 |
| 3.7 BP神经网络（BPNN） | 第30-31页 |
| 3.7.1 BP神经网络简介 | 第30-31页 |
| 3.7.2 多示例学习的BP神经网络 | 第31页 |
| 3.8 逻辑回归（LR） | 第31-33页 |
| 3.8.1 LR算法简介 | 第31-32页 |
| 3.8.2 多示例学习的LR算法 | 第32-33页 |
| 3.9 AdaBoost | 第33-34页 |
| 3.9.1 AdaBoost算法简介 | 第33页 |
| 3.9.2 多示例学习的AdaBoost算法 | 第33-34页 |
| 3.10 实验及结果分析 | 第34-39页 |
| 3.10.1 实验数据 | 第34-35页 |
| 3.10.2 评价方法 | 第35-36页 |
| 3.10.3 结果与分析 | 第36-39页 |
| 3.11 本章小结 | 第39-42页 |
| 第四章 多示例检测深度评估 | 第42-49页 |
| 4.1 背景 | 第42-43页 |
| 4.2 评估协议 | 第43页 |
| 4.3 实验及结果分析 | 第43-48页 |
| 4.3.1 全监督信息数量的影响 | 第43-44页 |
| 4.3.2 正示例比例的影响 | 第44-46页 |
| 4.3.3 示例与提议之比的影响 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 Noisy-OR和ISR模型的缺陷 | 第49-54页 |
| 5.1 打包模型 | 第49-50页 |
| 5.2 梯度消失问题 | 第50-51页 |
| 5.3 实验及结果分析 | 第51-53页 |
| 5.3.1 实验数据 | 第52页 |
| 5.3.2 结果与分析 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 选择性弱监督人体检测 | 第54-68页 |
| 6.1 SWSD方法概述 | 第54-55页 |
| 6.2 约束精英选择 | 第55-56页 |
| 6.3 LSP/MPII-MPHB数据集 | 第56-58页 |
| 6.4 实验结果及分析 | 第58-67页 |
| 6.4.1 准确度性能评估 | 第59-61页 |
| 6.4.2 对象重定位行为 | 第61-64页 |
| 6.4.3 独立阶段的贡献 | 第64页 |
| 6.4.4 时间性能评估 | 第64-65页 |
| 6.4.5 Pascal VOC上的检测 | 第65-67页 |
| 6.5 本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 7.1 工作总结 | 第68-69页 |
| 7.2 未来展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 在学期间的研究成果及发表的学术论文 | 第77页 |
