| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本论文结构安排 | 第13-14页 |
| 第二章 目标检测及深度学习概述 | 第14-33页 |
| 2.1 典型求取候选区域的算法 | 第14-15页 |
| 2.1.1 滑动窗口 | 第14-15页 |
| 2.1.2 Selective Search | 第15页 |
| 2.2 典型的目标特征 | 第15-19页 |
| 2.2.1 HOG特征 | 第15-18页 |
| 2.2.2 Haar-like特征 | 第18-19页 |
| 2.3 典型的分类算法 | 第19-24页 |
| 2.3.1 支持向量机 | 第20-22页 |
| 2.3.2 Adaboost | 第22-24页 |
| 2.4 深度学习基础 | 第24-32页 |
| 2.4.1 人工神经网络 | 第24-27页 |
| 2.4.2 卷积神经网络 | 第27-29页 |
| 2.4.3 反向传播算法和梯度下降算法 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于Faster R-CNN的目标检测算法 | 第33-47页 |
| 3.1 特征提取网络 | 第34-36页 |
| 3.1.1 网络结构 | 第34-35页 |
| 3.1.2 ReLU（修正线性单元） | 第35-36页 |
| 3.2 候选区域生成网络 | 第36-39页 |
| 3.2.1 网络结构 | 第37-38页 |
| 3.2.2 基准矩形框（锚点） | 第38页 |
| 3.2.3 损失函数 | 第38-39页 |
| 3.3 分类回归网络 | 第39-43页 |
| 3.3.1 网络结构 | 第39-40页 |
| 3.3.2 ROIpooling层 | 第40-41页 |
| 3.3.3 Dropout方法 | 第41-42页 |
| 3.3.4 非极大值抑制（Non-Maximum Suppression，NMS） | 第42-43页 |
| 3.3.5 损失函数 | 第43页 |
| 3.4 训练方法 | 第43-45页 |
| 3.5 测试结果展示 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 Faster R-CNN的改进算法研究 | 第47-57页 |
| 4.1 基于双路提取特征的改进算法 | 第47-51页 |
| 4.1.1 原理分析 | 第47-49页 |
| 4.1.2 算法网络结构 | 第49-50页 |
| 4.1.3 训练方法 | 第50-51页 |
| 4.2 基于优化候选区域的改进算法 | 第51-56页 |
| 4.2.1 算法网络结构 | 第52页 |
| 4.2.2 候选区域优化网络 | 第52-53页 |
| 4.2.3 输入特征图的选取 | 第53-54页 |
| 4.2.4 损失函数 | 第54页 |
| 4.2.5 训练方法 | 第54-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第五章 实验结果与分析 | 第57-74页 |
| 5.1 实验相关信息说明 | 第57-58页 |
| 5.2 Faster R-CNN算法的实验结果与分析 | 第58-59页 |
| 5.3 基于双路提取特征的改进算法的实验结果与分析 | 第59-65页 |
| 5.3.1 验证候选区域生成网络与分类回归网络学习特征的特性 | 第59-62页 |
| 5.3.2 损失函数权重对候选区域生成网络的影响 | 第62-63页 |
| 5.3.3 基于双路提取特征的改进算法与Faster R-CNN算法的对比 | 第63-65页 |
| 5.3.4 实验总结 | 第65页 |
| 5.4 基于优化候选区域的改进算法的实验结果与分析 | 第65-72页 |
| 5.4.1 不同输入特征图对算法性能的影响 | 第65-68页 |
| 5.4.2 不同训练方法对算法性能的影响 | 第68-69页 |
| 5.4.3 基于优化候选区域的改进算法与Faster R-CNN算法的对比 | 第69-71页 |
| 5.4.4 候选区域个数相同时的对比实验 | 第71页 |
| 5.4.5 实验总结 | 第71-72页 |
| 5.5 改进算法与传统算法的对比分析 | 第72页 |
| 5.6 本章小结 | 第72-74页 |
| 总结与展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |
