| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容及论文结构 | 第12-13页 |
| 第二章 混合目标检测算法理论基础 | 第13-21页 |
| 2.1 引言 | 第13页 |
| 2.2 数据预处理 | 第13-15页 |
| 2.2.1 彩色图像灰度化 | 第13-14页 |
| 2.2.2 图像滤波 | 第14-15页 |
| 2.3 混合目标检测 | 第15-19页 |
| 2.3.1 候选窗口提取方法 | 第15-16页 |
| 2.3.2 产生式模型与判别式模型 | 第16-17页 |
| 2.3.3 深度卷积模型 | 第17-19页 |
| 2.4 现有的基于深度学习的混合目标检测存在的问题 | 第19-20页 |
| 2.5 本章总结 | 第20-21页 |
| 第三章 基于深度学习的混合目标检测算法 | 第21-34页 |
| 3.1 引言 | 第21页 |
| 3.2 基于区域建议网络的优化方法 | 第21-25页 |
| 3.2.1 区域建议网络算法原理 | 第21-23页 |
| 3.2.2 基于区域建议网络的混合目标检测算法优化 | 第23页 |
| 3.2.3 优化后整体网络的算法设计 | 第23-25页 |
| 3.3 候选窗口尺度优化方法 | 第25-26页 |
| 3.4 多尺度级联网络 | 第26-28页 |
| 3.4.1 感受野与多尺度目标定位之间的关系 | 第26-27页 |
| 3.4.2 多尺度级联网络设计 | 第27-28页 |
| 3.5 特征提取网络优化 | 第28-33页 |
| 3.5.1 NetWork In NetWork模型结构 | 第28-30页 |
| 3.5.2 基础特征网络优化方法 | 第30-33页 |
| 3.6 本章总结 | 第33-34页 |
| 第四章 混合目标检测算法实现及结果分析 | 第34-44页 |
| 4.1 引言 | 第34-35页 |
| 4.2 实验设计 | 第35-38页 |
| 4.2.1 样本数据库 | 第35-36页 |
| 4.2.2 模型设计细节 | 第36-38页 |
| 4.3 实验结果及对比 | 第38-42页 |
| 4.3.1 调整候选框后实验结果及对比 | 第39-40页 |
| 4.3.2 加入多尺度级联后实验结果及对比 | 第40-41页 |
| 4.3.3 改进全连接层后实验结果及对比 | 第41-42页 |
| 4.3.4 网络训练及测试结果 | 第42页 |
| 4.4 结果分析 | 第42-43页 |
| 4.5 本章总结 | 第43-44页 |
| 第五章 结论与展望 | 第44-45页 |
| 5.1 主要结论 | 第44页 |
| 5.2 研究展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 在学期间的研究成果 | 第49-50页 |
| 致谢 | 第50页 |
