基于深度学习的多特征融合的目标检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-20页 |
| 1.3 研究内容 | 第20页 |
| 1.4 论文的组织结构 | 第20-21页 |
| 1.5 本章小结 | 第21-23页 |
| 第2章 相关技术介绍 | 第23-37页 |
| 2.1 深度学习概述 | 第23-27页 |
| 2.1.1 深度学习中的正则化 | 第24-25页 |
| 2.1.2 深度学习中的优化 | 第25-26页 |
| 2.1.3 深度学习中的激活函数 | 第26-27页 |
| 2.2 卷积神经网络 | 第27-33页 |
| 2.2.1 图像的卷积运算 | 第31-32页 |
| 2.2.2 卷积的特点 | 第32-33页 |
| 2.2.3 池化 | 第33页 |
| 2.2.4 批标准化 | 第33页 |
| 2.3 权值的初始化 | 第33-34页 |
| 2.4 迁移学习 | 第34-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第3章 算法设计 | 第37-48页 |
| 3.1 基于深度学习的目标检测实现概述 | 第37页 |
| 3.2 多特征融合的目标检测算法设计 | 第37-47页 |
| 3.2.1 特征提取网络设计 | 第38-41页 |
| 3.2.2 多特征图融合检测 | 第41-43页 |
| 3.2.3 卷积神经网络卷积核参数的设计 | 第43-44页 |
| 3.2.4 默认框的生成 | 第44-45页 |
| 3.2.5 目标检测输出设计 | 第45-46页 |
| 3.2.6 目标函数 | 第46-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第4章 模型训练与结果分析 | 第48-61页 |
| 4.1 模型训练概述 | 第48-49页 |
| 4.2 实验数据集 | 第49-50页 |
| 4.3 评价标准 | 第50页 |
| 4.4 数据预处理 | 第50-52页 |
| 4.5 正负样本均衡策略 | 第52页 |
| 4.6 实验参数设置 | 第52-54页 |
| 4.6.1 学习率 | 第52-53页 |
| 4.6.2 批数量 | 第53-54页 |
| 4.6.3 非极大值抑制 | 第54页 |
| 4.7 实验检测流程 | 第54-55页 |
| 4.8 实验结果与分析对比 | 第55-61页 |
| 4.8.1 PASCAL VOC2007上的结果 | 第55-57页 |
| 4.8.2 PASCAL VOC2012上的结果 | 第57-59页 |
| 4.8.3 MS COCO上的结果 | 第59-61页 |
| 第5章 工作总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
