| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题的研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 目标检测识别研究现状 | 第12-13页 |
| 1.2.2 人体骨架线检测研究现状 | 第13-14页 |
| 1.2.3 像素级图像语义分割研究现状 | 第14-16页 |
| 1.2.4 模型压缩 | 第16-17页 |
| 1.3 论文的主要研究内容 | 第17-18页 |
| 1.4 本文章节安排 | 第18-20页 |
| 第二章 人工神经网络理论基础 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 人工神经网络设计 | 第20-28页 |
| 2.2.1 卷积层和激活层 | 第21-23页 |
| 2.2.2 池化层和全连接层 | 第23-24页 |
| 2.2.3 反向传播算法 | 第24-25页 |
| 2.2.4 梯度弥散与梯度爆炸 | 第25-26页 |
| 2.2.5 深度残差神经网络 | 第26-28页 |
| 2.3 自动驾驶感知基础 | 第28-31页 |
| 2.3.1 目标检测识别 | 第28-29页 |
| 2.3.2 人体骨架线检测 | 第29-30页 |
| 2.3.3 像素级语义分割 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 目标深度识别网络构建研究 | 第32-38页 |
| 3.1 引言 | 第32页 |
| 3.2 基于动态深度残差网络的目标识别模型 | 第32-35页 |
| 3.3 实验设计与数据处理 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 人体骨架线深度检测网络构建研究 | 第38-45页 |
| 4.1 引言 | 第38页 |
| 4.2 基于RGB图像的人体骨架线识别网络模型设计 | 第38-42页 |
| 4.2.1 网络模型 | 第38-41页 |
| 4.2.2 虚拟骨架线数据样本生成 | 第41-42页 |
| 4.3 实验结果分析 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于多尺度池化拼接的深度语义分割网络构建研究 | 第45-50页 |
| 5.1 引言 | 第45-46页 |
| 5.2 多尺度池化 | 第46-47页 |
| 5.2.1 多尺度池化拼接模块 | 第46页 |
| 5.2.2 多尺度池化拼接模块实现细节 | 第46-47页 |
| 5.3 实验结果分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 基于模型参数共用的网络小型化研究 | 第50-61页 |
| 6.1 提取低层语义信息 | 第50页 |
| 6.2 基于混合增强网络MIXNET的模型压缩 | 第50-54页 |
| 6.2.1 混合增强网络MixNet的理论基础 | 第51-52页 |
| 6.2.2 混合增强网络MixNet的模型验证 | 第52-54页 |
| 6.3 基于参数复用的模型压缩方法 | 第54-60页 |
| 6.3.1 参数复用的理论基础 | 第54-55页 |
| 6.3.2 网络结构 | 第55-57页 |
| 6.3.3 实验过程 | 第57-60页 |
| 6.3.3.1 状态数对结果的影响 | 第57-59页 |
| 6.3.3.2 状态顺序对结果的影响 | 第59页 |
| 6.3.3.3 识别目标对结果的影响 | 第59-60页 |
| 6.4 本章小结 | 第60-61页 |
| 第七章 混合增强网络的实车验证 | 第61-66页 |
| 7.1 城市路况实测 | 第62-63页 |
| 7.2 高速路况实测 | 第63-65页 |
| 7.3 本章小结 | 第65-66页 |
| 第八章 总结与展望 | 第66-71页 |
| 8.1 总结 | 第66-67页 |
| 8.2 展望 | 第67-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |