| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 行人与车辆检测研究难点 | 第10-11页 |
| 1.2.2 行人与车辆检测国内外研究现状 | 第11-15页 |
| 1.3 当前存在的问题及本文研究内容 | 第15-16页 |
| 1.3.1 当前存在的问题 | 第15-16页 |
| 1.3.2 本文研究内容 | 第16页 |
| 1.4 本文章节安排 | 第16-17页 |
| 第二章 卷积神经网络简介 | 第17-31页 |
| 2.1 神经网络发展历程 | 第17-20页 |
| 2.1.1 M-P模型 | 第17-18页 |
| 2.1.2 感知器 | 第18页 |
| 2.1.3 自适应线性元件网络 | 第18-19页 |
| 2.1.4 误差反向传播算法 | 第19-20页 |
| 2.2 卷积神经网络概述 | 第20-22页 |
| 2.3 卷积神经网络结构与特性 | 第22-30页 |
| 2.3.1 多核卷积层 | 第22-25页 |
| 2.3.2 子采样层 | 第25-26页 |
| 2.3.3 激活函数层 | 第26-28页 |
| 2.3.4 Dropout层 | 第28页 |
| 2.3.5 全连接层 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于迁移学习的行人车辆初步检测 | 第31-57页 |
| 3.1 迁移学习 | 第31-39页 |
| 3.1.1 迁移学习简介 | 第31-32页 |
| 3.1.2 基于AlexNet网络的迁移学习 | 第32-39页 |
| 3.2 YOLO目标检测网络简介 | 第39-48页 |
| 3.3 基于迁移学习的行人车辆初步检测网络 | 第48-56页 |
| 3.3.1 初步检测网络计算流程 | 第49页 |
| 3.3.2 初步检测网络结构 | 第49-55页 |
| 3.3.3 初步检测网络性能评测 | 第55-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 基于级联精准分类网络的车辆检测 | 第57-77页 |
| 4.1 谱聚类 | 第57-62页 |
| 4.2 精准分类网络 | 第62-71页 |
| 4.2.1 精准分类网络结构 | 第62-66页 |
| 4.2.2 改进后的精准分类网络 | 第66-71页 |
| 4.3 基于级联CNN的行人车辆检测网络 | 第71-73页 |
| 4.3.1 级联行人车辆检测网络结构 | 第71页 |
| 4.3.2 级联行人车辆检测网络性能评测 | 第71-73页 |
| 4.4 基于嵌入式平台的级联CNN行人车辆检测系统 | 第73-76页 |
| 4.4.1 嵌入式开发平台介绍 | 第73-74页 |
| 4.4.2 基于嵌入式平台检测系统简介 | 第74-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第五章 总结与展望 | 第77-79页 |
| 5.1 本文工作总结 | 第77页 |
| 5.2 后续研究展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 发表论文和参加科研情况 | 第85-87页 |
| 致谢 | 第87页 |