基于线性SVM的级联检测器的构造及其在目标检测中的应用
| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| ·论文背景 | 第10-11页 |
| ·级联结构 | 第11-15页 |
| ·级联结构概述 | 第11-12页 |
| ·级联结构的国内外研究现状 | 第12-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| 第二章 基于线性支持向量机的级联检测器的数学模型 | 第16-36页 |
| ·引言 | 第16-17页 |
| ·支持向量机理论 | 第17-26页 |
| ·概述 | 第17页 |
| ·VC维与结构风险最小化 | 第17-19页 |
| ·支持向量机方法 | 第19-26页 |
| ·基于线性SVM的节点学习的数学模型 | 第26-28页 |
| ·节点学习 | 第26页 |
| ·基于线性SVM的节点学习数学模型 | 第26-28页 |
| ·基于线性SVM的级联检测器的适用范围 | 第28-30页 |
| ·基于线性SVM的级联检测器的构造 | 第30-35页 |
| ·构造方法 | 第30-33页 |
| ·实验结果与分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于线性拉格朗日支持向量机的级联检测器 | 第36-44页 |
| ·线性SVM存在的问题 | 第36页 |
| ·拉格朗日支持向量机 | 第36-39页 |
| ·基于线性L-SVM的级联检测器的构造 | 第39-41页 |
| ·基于几何思想的迭代 | 第39-40页 |
| ·基于线性L-SVM的级联检测器的构造方法 | 第40-41页 |
| ·实验结果与分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 级联检测器在目标检测中的应用 | 第44-54页 |
| ·级联检测器在草地识别中的应用 | 第44-48页 |
| ·视觉与激光雷达的信息融合 | 第44-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·级联检测器在行人检测中的应用 | 第48-53页 |
| ·引言 | 第48页 |
| ·样本集构造与特征提取 | 第48-50页 |
| ·实验结果 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-57页 |
| ·本文工作总结 | 第54-55页 |
| ·论文进一步的研究工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 作者在攻读硕士学位期间发表的论文 | 第62页 |
