基于深度学习的动态显著性检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-13页 |
| 1.0 研究背景与意义 | 第9页 |
| 1.1 研究现状 | 第9-11页 |
| 1.2 研究内容 | 第11-12页 |
| 1.3 内容安排 | 第12-13页 |
| 2 相关技术及算法 | 第13-21页 |
| 2.1 显著性简述 | 第13-15页 |
| 2.2 图片分割与深度学习 | 第15-18页 |
| 2.2.1 深度学习 | 第15-16页 |
| 2.2.2 图片分割中的深度学习 | 第16-18页 |
| 2.3 帧生成算法 | 第18-19页 |
| 2.4 类别无关的物体建议 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 算法设计 | 第21-25页 |
| 3.1 拟解决的问题 | 第21页 |
| 3.2 解决思路 | 第21-23页 |
| 3.3 算法流程 | 第23-24页 |
| 3.4 本章小结 | 第24-25页 |
| 4 算法实现 | 第25-40页 |
| 4.1 网络结构 | 第25-30页 |
| 4.2 帧生成算法 | 第30-32页 |
| 4.3 物体建议算法 | 第32-33页 |
| 4.4 复杂度分析 | 第33-34页 |
| 4.5 网络参数 | 第34-37页 |
| 4.6 数据集选取 | 第37-39页 |
| 4.7 本章小结 | 第39-40页 |
| 5 结果与分析 | 第40-55页 |
| 5.1 实现环境 | 第40页 |
| 5.1.1 硬件环境 | 第40页 |
| 5.1.2 软件环境 | 第40页 |
| 5.2 评判指标 | 第40-41页 |
| 5.3 检测结果 | 第41-53页 |
| 5.3.1 静态网络训练结果 | 第41-45页 |
| 5.3.2 评判指标 | 第45-47页 |
| 5.3.3 类别无关建议效果 | 第47-48页 |
| 5.3.4 帧生成效果 | 第48-49页 |
| 5.3.5 动态网络的训练结果 | 第49-50页 |
| 5.3.6 与相似算法的对比 | 第50-53页 |
| 5.4 结果分析 | 第53页 |
| 5.5 本章小结 | 第53-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 致谢 | 第57-59页 |
| 发表论文及参加科研情况说明 | 第59-60页 |
| 参考文献 | 第60-64页 |
