基于TensorFlow框架的目标检测与细分系统研发
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文研究内容 | 第9-10页 |
| 1.4 论文组织结构 | 第10-12页 |
| 第二章 目标检测方法与系统关键技术 | 第12-22页 |
| 2.1 传统的检测方法 | 第12-13页 |
| 2.1.1 常用的传统检测方法原理 | 第12-13页 |
| 2.1.2 传统检测方法存在的问题 | 第13页 |
| 2.2 深度学习在目标检测中的应用 | 第13-18页 |
| 2.2.1 卷积神经网络 | 第13-15页 |
| 2.2.2 深度学习技术在目标检测中的应用 | 第15-18页 |
| 2.3 系统关键技术分析 | 第18-20页 |
| 2.3.1 半自动化标注 | 第18-19页 |
| 2.3.2 增量学习算法 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 系统的需求分析与软件框架设计 | 第22-30页 |
| 3.1 系统的功能性需求 | 第22-23页 |
| 3.1.1 数据集标注 | 第22页 |
| 3.1.2 模型的训练 | 第22页 |
| 3.1.3 目标检测 | 第22-23页 |
| 3.2 性能需求分析 | 第23页 |
| 3.2.1 数据集标注 | 第23页 |
| 3.2.2 模型的训练 | 第23页 |
| 3.2.3 目标检测 | 第23页 |
| 3.3 鲁棒性分析 | 第23-24页 |
| 3.4 目标检测与细分系统的总体设计 | 第24-28页 |
| 3.5 本章小结 | 第28-30页 |
| 第四章 目标检测与细分系统的详细设计与实现 | 第30-44页 |
| 4.1 数据标注模块的设计与实现 | 第30-32页 |
| 4.1.1 PASCALVOC格式 | 第30-31页 |
| 4.1.2 图片标注 | 第31页 |
| 4.1.3 视频标注 | 第31页 |
| 4.1.4 修改标注 | 第31-32页 |
| 4.1.5 半自动化标注 | 第32页 |
| 4.1.6 标注模块实现 | 第32页 |
| 4.2 训练模块的设计与实现 | 第32-40页 |
| 4.2.1 深度学习框架TensorFlow | 第33-34页 |
| 4.2.2 模型训练 | 第34-38页 |
| 4.2.3 断点训练 | 第38页 |
| 4.2.4 训练曲线 | 第38-39页 |
| 4.2.5 训练模块实现 | 第39-40页 |
| 4.3 检测模块的设计与实现 | 第40-42页 |
| 4.3.1 视频检测 | 第40-41页 |
| 4.3.2 图片检测 | 第41页 |
| 4.3.3 限定区域检测 | 第41-42页 |
| 4.3.4 检测模块实现 | 第42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 目标检测与细分系统的测试分析 | 第44-62页 |
| 5.1 目标检测系统的性能测试 | 第44-55页 |
| 5.1.1 实验数据 | 第44-45页 |
| 5.1.2 无人驾驶场景车辆检出性能测试 | 第45-49页 |
| 5.1.3 车辆检测与细分性能测试 | 第49-55页 |
| 5.2 不同参数设置质量测试 | 第55-58页 |
| 5.3 半自动化标注功能测试 | 第58-60页 |
| 5.4 系统界面功能测试 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者简介 | 第70页 |
