基于深度学习的目标检测系统的研发
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题背景及研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容及论文结构 | 第12-14页 |
| 第2章 系统的需求分析 | 第14-17页 |
| 2.1 系统的功能性需求 | 第14-15页 |
| 2.1.1 数据的收集和标注 | 第14页 |
| 2.1.2 图像数据预处理 | 第14页 |
| 2.1.3 图像数据的读取 | 第14-15页 |
| 2.1.4 检测模型的训练 | 第15页 |
| 2.1.5 目标检测 | 第15页 |
| 2.1.6 检测结果显示 | 第15页 |
| 2.2 性能需求 | 第15页 |
| 2.3 可移植性 | 第15-16页 |
| 2.4 鲁棒性 | 第16页 |
| 2.5 本章小结 | 第16-17页 |
| 第3章 系统的总体设计 | 第17-28页 |
| 3.1 传统方法在检测中的应用 | 第17-19页 |
| 3.1.1 传统方法的检测流程 | 第17-18页 |
| 3.1.2 常用的传统检测方法 | 第18-19页 |
| 3.1.3 传统检测方法存在的问题 | 第19页 |
| 3.2 深度学习在检测中的应用 | 第19-25页 |
| 3.2.1 卷积神经网络 | 第19-21页 |
| 3.2.2 R-CNN系列检测框架 | 第21-25页 |
| 3.3 系统的整体结构设计 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 系统的详细设计与实现 | 第28-39页 |
| 4.1 数据标注筛选模块的设计与实现 | 第28-29页 |
| 4.2 数据预处理模块的设计与实现 | 第29-30页 |
| 4.3 训练模型模块的设计与实现 | 第30-34页 |
| 4.3.1 深度学习框架caffe | 第30-32页 |
| 4.3.2 检测模型的结构和训练细节 | 第32-34页 |
| 4.4 预测模块的设计与实现 | 第34-35页 |
| 4.4.1 加载模型和读取视频 | 第34-35页 |
| 4.4.2 可视化 | 第35页 |
| 4.5 系统界面的设计与实现 | 第35-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第5章 系统的测试分析 | 第39-42页 |
| 5.1 系统界面的测试 | 第39-40页 |
| 5.2 检测系统性能的测试 | 第40-41页 |
| 5.3 本章小结 | 第41-42页 |
| 总结与展望 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 致谢 | 第45-46页 |
