| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文工作和章节安排 | 第13-15页 |
| 第二章 神经网络理论基础 | 第15-25页 |
| 2.1 生物神经网络到人工神经网络 | 第15-16页 |
| 2.2 浅层学习到深度学习 | 第16-17页 |
| 2.3 卷积神经网络 | 第17-23页 |
| 2.3.1 卷积层 | 第17-19页 |
| 2.3.2 激活函数 | 第19页 |
| 2.3.3 池化层 | 第19-20页 |
| 2.3.4 全连接层 | 第20-21页 |
| 2.3.5 过拟合 | 第21-23页 |
| 2.3.6 反向传播算法 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 常用目标检测方法 | 第25-30页 |
| 3.1 传统计算机视觉方法 | 第25-26页 |
| 3.2 激光雷达检测方法 | 第26-27页 |
| 3.3 基于YOLO算法的多目标检测 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于SSD算法的实验及结果分析 | 第30-42页 |
| 4.1 SSD算法模型及原理 | 第30-31页 |
| 4.2 深度学习框架选取 | 第31-32页 |
| 4.3 实验过程 | 第32-37页 |
| 4.3.1 实验数据准备 | 第32-34页 |
| 4.3.2 训练、验证和测试 | 第34-37页 |
| 4.4 实验对比与结果 | 第37-41页 |
| 4.4.1 数据集优化前与优化后对比 | 第37-39页 |
| 4.4.2 同一数据集SSD算法与YOLO算法对比 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| 5.1 论文成果总结 | 第42页 |
| 5.2 研究展望 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 攻读硕士期间发表的论文 | 第47-48页 |
| 致谢 | 第48页 |