基于深度学习的X射线图像危险品检测与跟踪算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究问题与挑战 | 第9-10页 |
| 1.3 研究内容与贡献 | 第10-11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 国内外研究现状分析 | 第13-21页 |
| 2.1 传统X射线图像危险品检测算法 | 第13-15页 |
| 2.2 基于深度学习的X射线图像危险品检测方法 | 第15-16页 |
| 2.3 基于检测结果的视频跟踪算法 | 第16-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 算法分析与设计 | 第21-39页 |
| 3.1 场景分析与问题分析 | 第21-23页 |
| 3.1.1 场景分析 | 第21-22页 |
| 3.1.2 问题分析与框架设计 | 第22-23页 |
| 3.2 检测算法设计思路 | 第23-25页 |
| 3.3 深度学习目标检测框架概述 | 第25-30页 |
| 3.3.1 基本概念 | 第25-27页 |
| 3.3.2 基于区域建议的深度学习检测框架 | 第27-28页 |
| 3.3.3 基于回归思想的深度学习检测框架 | 第28-30页 |
| 3.4 基于SSD网络的X射线危险品检测器设计 | 第30-34页 |
| 3.4.1 SSD检测框架分析 | 第30-32页 |
| 3.4.2 X射线危险品检测器设计 | 第32-34页 |
| 3.5 基于检测结果的跟踪器设计 | 第34-36页 |
| 3.6 跟踪管理器设计 | 第36-38页 |
| 3.6.1 最优匹配 | 第36-37页 |
| 3.6.2 生命周期管理以及异常处理 | 第37-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 实验与分析 | 第39-52页 |
| 4.1 数据采集与样本处理 | 第39-42页 |
| 4.2 危险品检测实验与结果分析 | 第42-47页 |
| 4.2.1 数据集预处理 | 第42-43页 |
| 4.2.2 检测器训练细节 | 第43页 |
| 4.2.3 目标检测评价标准 | 第43-45页 |
| 4.2.4 实验结果与分析 | 第45-46页 |
| 4.2.5 检测器输出阈值敏感性测试 | 第46-47页 |
| 4.3 检测跟踪实验与结果分析 | 第47-50页 |
| 4.3.1 数据集描述 | 第48-49页 |
| 4.3.2 多危险品跟踪评价标准 | 第49页 |
| 4.3.3 实验结果与分析 | 第49-50页 |
| 4.3.4 检测跟踪的性能分析 | 第50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52页 |
| 5.2 未来工作 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 在校期间研究成果 | 第58-59页 |
| 致谢 | 第59页 |
