基于似物性的多类别目标检测方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究目的与意义 | 第8页 |
| 1.2 目标检测研究现状 | 第8-12页 |
| 1.2.1 基于背景建模的运动目标检测研究现状 | 第8-9页 |
| 1.2.2 基于目标建模的目标检测研究现状 | 第9-10页 |
| 1.2.3 似物性检测研究现状 | 第10-12页 |
| 1.3 常用目标检测数据集 | 第12-14页 |
| 1.3.1 Caltech数据集 | 第12页 |
| 1.3.2 PASCAL VOC数据集 | 第12页 |
| 1.3.3 ImageNet数据集 | 第12-13页 |
| 1.3.4 SUN数据集 | 第13页 |
| 1.3.5 COCO数据集 | 第13-14页 |
| 1.4 本文研究内容 | 第14-15页 |
| 1.5 论文结构 | 第15-16页 |
| 第二章 常用的似物性检测方法 | 第16-40页 |
| 2.1 基于碎片聚合的似物性检测方法 | 第16-19页 |
| 2.1.1 Selective Search方法 | 第16-17页 |
| 2.1.2 CPMC方法 | 第17-18页 |
| 2.1.3 MCG方法 | 第18-19页 |
| 2.2 基于窗口打分的似物性检测方法 | 第19-24页 |
| 2.2.1 Objectness方法 | 第19-20页 |
| 2.2.2 BING方法 | 第20-21页 |
| 2.2.3 Edge Boxes方法 | 第21-24页 |
| 2.3 似物性检测评估与实验结果和分析 | 第24-29页 |
| 2.4 似物性检测方法的改进 | 第29-39页 |
| 2.4.1 改进的算法 | 第29-32页 |
| 2.4.2 改进算法实验结果分析 | 第32-39页 |
| 本章小结 | 第39-40页 |
| 第三章 一种面向红外图像的似物性检测方法 | 第40-56页 |
| 3.1 引言 | 第40-41页 |
| 3.2 本文提出的红外目标检测算法 | 第41-47页 |
| 3.2.1 多层多尺度超像素分割 | 第41-42页 |
| 3.2.2 超像素分割算法选择 | 第42-45页 |
| 3.2.3 基于超像素的中心环绕特征 | 第45-46页 |
| 3.2.4 算法流程 | 第46-47页 |
| 3.3 实验与分析 | 第47-54页 |
| 3.3.1 构建的数据集 | 第47页 |
| 3.3.2 算法参数 | 第47-49页 |
| 3.3.3 与主流算法实验对比 | 第49-54页 |
| 3.4 改善的红外行人检测 | 第54-55页 |
| 本章小结 | 第55-56页 |
| 第四章 基于似物性的多类别目标检测 | 第56-61页 |
| 4.1 基于似物性的多类别目标检测方法框架 | 第56-57页 |
| 4.2 具体实现 | 第57页 |
| 4.3 实验结果与分析 | 第57-59页 |
| 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61-62页 |
| 5.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 附录2 攻读硕士学位期间申请的专利 | 第69-70页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第70-71页 |
| 致谢 | 第71页 |
