基于卷积神经网络的目标检测研究
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 目标检测的研究现状 | 第13-15页 |
| 1.2.1 目标检测的发展现状 | 第13-14页 |
| 1.2.2 目标检测算法的发展现状 | 第14-15页 |
| 1.3 论文的主要工作 | 第15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第2章 基于卷积神经网的目标检测理论 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 基于卷积神经网络的目标检测原理 | 第17-18页 |
| 2.3 卷积神经网络 | 第18-22页 |
| 2.3.1 卷积层 | 第18-19页 |
| 2.3.2 采样层 | 第19-20页 |
| 2.3.3 全连接层 | 第20页 |
| 2.3.4 卷积神经网络传播方式 | 第20-22页 |
| 2.4 基于卷积神经网络的目标检测算法分析 | 第22-29页 |
| 2.4.1 基于候选区域的目标检测模型 | 第22-26页 |
| 2.4.2 基于回归的目标检测模型 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于深度可分离卷积的图像分类模型 | 第30-41页 |
| 3.1 引言 | 第30页 |
| 3.2 卷积神经网络的压缩方法 | 第30-33页 |
| 3.2.1 Squeeze Net网络模型 | 第31-32页 |
| 3.2.2 Mobile Nets网络模型 | 第32-33页 |
| 3.3 基于深度可分离卷积的图像分类模型 | 第33-38页 |
| 3.3.1 深度可分离卷积层 | 第34-35页 |
| 3.3.2 基于深度可分离卷积的分类模型设计 | 第35-38页 |
| 3.4 实验设计与结果分析 | 第38-40页 |
| 3.4.1 实验训练数据集 | 第38-39页 |
| 3.4.2 实验平台 | 第39页 |
| 3.4.3 实验结果分析 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于卷积神经网络的目标检测模型 | 第41-54页 |
| 4.1 引言 | 第41页 |
| 4.2 基于回归的目标检测模型 | 第41-44页 |
| 4.2.1 YOLO目标检测模型 | 第42-43页 |
| 4.2.2 基于YOLO目标检测模型的改进方法 | 第43-44页 |
| 4.3 基于多尺度图像特征的目标检测模型 | 第44-48页 |
| 4.3.1 SSD检测模型的多尺度图像特征 | 第44-45页 |
| 4.3.2 图像特征金字塔网络 | 第45-47页 |
| 4.3.3 本文目标检测模型的设计 | 第47-48页 |
| 4.4 实验设计与结果分析 | 第48-53页 |
| 4.4.1 实验训练数据集 | 第48-49页 |
| 4.4.2 实验平台 | 第49页 |
| 4.4.3 模型训练 | 第49页 |
| 4.4.4 实验结果分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间所发表的学术论文 | 第61页 |
