| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究内容及研究成果 | 第13-14页 |
| 1.4 论文内容安排 | 第14-17页 |
| 第二章 候选区域匹配池化算法的设计与实现 | 第17-31页 |
| 2.1 引言 | 第17-18页 |
| 2.2 候选区域匹配池化算法 | 第18-21页 |
| 2.2.1 Faster R-CNN通用目标检测框架 | 第18-19页 |
| 2.2.2 候选区域池化算法的局限性 | 第19-20页 |
| 2.2.3 候选区域匹配池化的原理和实现 | 第20-21页 |
| 2.3 位置敏感的候选区域匹配池化 | 第21-24页 |
| 2.3.1 全卷积网络 | 第21-22页 |
| 2.3.2 R-FCN检测框架和位置敏感的候选区域池化 | 第22-23页 |
| 2.3.3 位置敏感的候选区域匹配池化 | 第23-24页 |
| 2.4 实验结果与分析 | 第24-30页 |
| 2.4.1 实验所用数据集 | 第25-26页 |
| 2.4.2 基础分类网络结构 | 第26-27页 |
| 2.4.3 候选区域匹配池化算法实验结果与分析 | 第27-28页 |
| 2.4.4 位置敏感的候选区域匹配池化算法的实验效果 | 第28-30页 |
| 2.5 小结 | 第30-31页 |
| 第三章 资源受限平台上的通用目标检测模型 | 第31-41页 |
| 3.1 引言 | 第31-32页 |
| 3.2 SqueezeNet | 第32-33页 |
| 3.3 检测模型的设计和搭建 | 第33-36页 |
| 3.3.1 从分类到检测的迁移 | 第34页 |
| 3.3.2 末端检测器设计 | 第34-36页 |
| 3.4 基于权值聚类的模型压缩 | 第36-38页 |
| 3.4.1 k-均值聚类 | 第37页 |
| 3.4.2 权值聚类算法的原理和实现 | 第37-38页 |
| 3.5 实验结果与分析 | 第38-39页 |
| 3.6 小结 | 第39-41页 |
| 第四章 上采样层的探索和特征金字塔网络 | 第41-53页 |
| 4.1 引言 | 第41-42页 |
| 4.2 包含反卷积和跨层特征融合的Faster R-CNN | 第42-45页 |
| 4.2.1 反卷积层 | 第42-43页 |
| 4.2.2 检测网络的设计和搭建 | 第43-44页 |
| 4.2.3 交通标识检测应用 | 第44-45页 |
| 4.3 特征金字塔网络的复现 | 第45-48页 |
| 4.3.1 基本原理和主要结构 | 第45-47页 |
| 4.3.2 算法实现 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-51页 |
| 4.4.1 包含反卷积和跨层特征融合的检测算法性能分析 | 第49-50页 |
| 4.4.2 特征金字塔网络复现结果及性能分析 | 第50-51页 |
| 4.5 小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-57页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文 | 第63页 |
