| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 论文研究的背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 目标定位检测算法研究现状 | 第9-12页 |
| 1.2.1 传统的目标定位检测算法 | 第10-11页 |
| 1.2.2 基于深度学习的目标定位检测算法 | 第11-12页 |
| 1.3 论文主要研究内容 | 第12页 |
| 1.4 论文结构安排 | 第12-14页 |
| 2 基于候选区域的卷积神经网络目标检测算法分析 | 第14-26页 |
| 2.1 卷积神经网络 | 第14-16页 |
| 2.2 常用获取候选区域算法分析 | 第16-21页 |
| 2.2.1 选择性搜索算法（Selective Search） | 第17-19页 |
| 2.2.2 边缘盒检测算法（Edge Boxes） | 第19-21页 |
| 2.3 R-CNN | 第21-22页 |
| 2.4 SPP-Net | 第22-24页 |
| 2.5 Fast R-CNN | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 基于深度网络的表单中手写签名位置定位方法 | 第26-50页 |
| 3.1 算法的主要思想 | 第26-27页 |
| 3.2 算法的基本流程 | 第27-34页 |
| 3.2.1 手写签名位置定位方法框架图 | 第27-28页 |
| 3.2.2 手写签名位置定位方法实现步骤 | 第28-34页 |
| 3.3 算法的实验结果分析 | 第34-49页 |
| 3.3.1 数据集准备 | 第34-35页 |
| 3.3.2 实验结果分析 | 第35-43页 |
| 3.3.3 实验结果展示 | 第43-44页 |
| 3.3.4 模型泛化能力实验 | 第44-49页 |
| 3.4 本章小结 | 第49-50页 |
| 4 网络训练平台的搭建及检测系统的实现 | 第50-62页 |
| 4.1 网络训练平台的搭建 | 第50-57页 |
| 4.1.1 cuda | 第51-54页 |
| 4.1.2 opencv | 第54-55页 |
| 4.1.3 caffe | 第55-57页 |
| 4.2 检测系统界面及功能 | 第57-60页 |
| 4.3 本章小结 | 第60-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 主要工作总结 | 第62页 |
| 5.2 存在的问题 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-69页 |