| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.2 论文主要工作内容 | 第13-14页 |
| 1.3 论文的结构安排 | 第14-16页 |
| 第二章 研究现状及相关基础知识 | 第16-28页 |
| 2.1 传统目标检测算法 | 第16-19页 |
| 2.1.1 传统目标检测常用特征 | 第16-18页 |
| 2.1.2 传统目标检测常用分类器 | 第18-19页 |
| 2.2 基于深度学习的目标检测算法 | 第19-25页 |
| 2.2.1 基于候选区域提取的目标检测算法 | 第20-24页 |
| 2.2.2 基于端到端的目标检测算法 | 第24-25页 |
| 2.3 卷积神经网络相关基础知识 | 第25-27页 |
| 2.3.1 卷积神经网络 | 第25-26页 |
| 2.3.2 梯度下降 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于SSD的改进算法研究 | 第28-44页 |
| 3.1 Caffe深度学习框架 | 第28-30页 |
| 3.1.1 Caffe框架的概述 | 第28-29页 |
| 3.1.2 Caffe框架的结构 | 第29-30页 |
| 3.2 卷积神经网络的常用结构研究 | 第30-31页 |
| 3.3 YOLO和SSD算法研究 | 第31-35页 |
| 3.3.1 YOLO算法研究 | 第31-33页 |
| 3.3.2 SSD算法研究 | 第33-35页 |
| 3.4 基于上下文信息的SSD改进算法 | 第35-37页 |
| 3.5 实验比较与分析 | 第37-43页 |
| 3.5.1 数据集概述 | 第37-38页 |
| 3.5.2 评价标准 | 第38页 |
| 3.5.3 实验分析与比较 | 第38-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于SSD的训练方法及激活函数研究 | 第44-57页 |
| 4.1 卷积神经网络的训练方法 | 第44-45页 |
| 4.1.1 卷积神经网络的基本训练方法 | 第44页 |
| 4.1.2 卷积神经网络训练的技术点 | 第44-45页 |
| 4.2 对于SSD的改进训练方法 | 第45-48页 |
| 4.2.1 Pruning-Retrained训练方法 | 第45-46页 |
| 4.2.2 实验与分析 | 第46-48页 |
| 4.3 基于SSD的激活函数研究 | 第48-55页 |
| 4.3.1 常用激活函数概述 | 第48-49页 |
| 4.3.2 常用激活函数研究 | 第49-52页 |
| 4.3.3 SELU激活函数应用于SSD算法 | 第52页 |
| 4.3.4 批量归一化应用于SSD算法 | 第52-53页 |
| 4.3.5 实验分析与比较 | 第53-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-60页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 未来研究方向和工作内容 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |