| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 人体检测的难点及研究现状 | 第12-15页 |
| 1.2.2 人工神经网络的发展与现状 | 第15-16页 |
| 1.2.3 深度学习理论对人工神经网络的影响 | 第16页 |
| 1.2.4 卷积神经网络的发展与现状 | 第16-18页 |
| 1.3 本文主要内容 | 第18页 |
| 1.4 本章小结 | 第18-20页 |
| 第2章 相关知识概述 | 第20-36页 |
| 2.1 人体检测的当前算法 | 第20-21页 |
| 2.1.1 基于模型匹配的算法 | 第20页 |
| 2.1.2 基于分类的算法 | 第20-21页 |
| 2.2 机器学习与人工神经网络 | 第21-26页 |
| 2.2.1 机器学习 | 第21-22页 |
| 2.2.2 人工神经网络 | 第22-26页 |
| 2.3 卷积神经网络 | 第26-35页 |
| 2.3.1 卷积神经网络结构 | 第26-28页 |
| 2.3.2 卷积运算和下采样运算 | 第28-30页 |
| 2.3.3 卷积神经网络的三大特点 | 第30-33页 |
| 2.3.4 卷积神经网络的优势 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 用于人体检测的卷积神经网络模型设计 | 第36-45页 |
| 3.1 本文所使用的卷积神经网络模型设计 | 第36-37页 |
| 3.2 卷积神经网络的训练过程 | 第37-44页 |
| 3.2.1 初始化 | 第38-39页 |
| 3.2.2 前向传播 | 第39-40页 |
| 3.2.3 反向传播及调整权值 | 第40-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第4章 基于卷积神经网络的人体检测实验结果及分析 | 第45-58页 |
| 4.1 INRIA人类数据库 | 第45-46页 |
| 4.2 人体检测评价标准 | 第46-48页 |
| 4.3 实验结果与分析 | 第48-57页 |
| 4.3.1 实验环境 | 第48页 |
| 4.3.2 实验结果与分析 | 第48-57页 |
| 4.4 性能比较 | 第57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 基于随机Dropout卷积神经网络的应用研究 | 第58-70页 |
| 5.1 过拟合 | 第58-60页 |
| 5.2 Dropout方法介绍 | 第60-62页 |
| 5.3 本文Dropout卷积神经网络的设计 | 第62-63页 |
| 5.4 实验结果及分析 | 第63-69页 |
| 5.4.1 基于INRIA样本库的实验 | 第63-66页 |
| 5.4.2 基于自建样本库的实验 | 第66-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 课题总结 | 第70页 |
| 6.2 课题展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75页 |