基于深度学习的目标检测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 引言 | 第12-22页 |
| 1.1 研究背景意义 | 第12-14页 |
| 1.1.1 目标检测任务 | 第12-13页 |
| 1.1.2 目标检测研究意义 | 第13-14页 |
| 1.2 研究现状与发展趋势 | 第14-19页 |
| 1.2.1 国内外研究现状 | 第15-18页 |
| 1.2.2 研究趋势 | 第18-19页 |
| 1.3 研究内容概述 | 第19-20页 |
| 1.4 本文内容安排 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 2 目标检测算法分析优化 | 第22-41页 |
| 2.1 主流目标检测算法简介 | 第22-24页 |
| 2.2 主流目标检测算法分析 | 第24-35页 |
| 2.2.1 传统目标检测算法 | 第24-26页 |
| 2.2.2 基于深度学习的两步检测算法 | 第26-31页 |
| 2.2.3 基于深度学习的一步检测算法 | 第31-34页 |
| 2.2.4 小结 | 第34-35页 |
| 2.3 目标检测算法分析与优化 | 第35-40页 |
| 2.3.1 深度神经网络结构研究 | 第35-36页 |
| 2.3.2 基底网络的选择与优化 | 第36-38页 |
| 2.3.3 网络输出层设计与优化 | 第38-40页 |
| 2.4 本章小结 | 第40-41页 |
| 3 基于深度学习的细节特征重组 | 第41-52页 |
| 3.1 目标检测中的细节特征 | 第41-43页 |
| 3.1.1 细节特征的定义 | 第41-42页 |
| 3.1.2 细节特征在目标检测中的意义 | 第42-43页 |
| 3.2 细节特征提取 | 第43-45页 |
| 3.2.1 细节特征提取方法探究 | 第43-45页 |
| 3.2.2 细节特征提取与基底网络的结合探究 | 第45页 |
| 3.3 细节特征重组 | 第45-51页 |
| 3.3.1 细节特征重组方法探究 | 第46-47页 |
| 3.3.2 细节特征重组与输出层网络结合实验 | 第47-51页 |
| 3.4 本章小结 | 第51-52页 |
| 4 目标检测系统的设计与实现 | 第52-60页 |
| 4.1 数据准备与预处理 | 第52-54页 |
| 4.1.1 目标检测训练数据的选择 | 第52-53页 |
| 4.1.2 数据采集与预处理 | 第53-54页 |
| 4.2 目标检测系统设计 | 第54-56页 |
| 4.2.1 应用场景调查与分析 | 第54-55页 |
| 4.2.2 系统设计 | 第55-56页 |
| 4.3 目标检测系统实现 | 第56页 |
| 4.3.1 系统架构 | 第56页 |
| 4.3.2 网络训练与调优 | 第56页 |
| 4.3.3 系统移植与优化 | 第56页 |
| 4.4 系统测试 | 第56-59页 |
| 4.4.1 测试集测试与分析 | 第57-58页 |
| 4.4.2 实际场景测试与分析 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |
