| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文的组织结构 | 第12-14页 |
| 第2章 相关模型概述 | 第14-29页 |
| 2.1 DRN模型 | 第14-17页 |
| 2.2 R-CNN和Fast R-CNN网络介绍 | 第17-21页 |
| 2.2.1 R-CNN网络模型 | 第17-19页 |
| 2.2.2 Fast R-CNN网络模型 | 第19-21页 |
| 2.3 Faster R-CNN模型 | 第21-28页 |
| 2.3.1 主体网络部分 | 第23页 |
| 2.3.2 RPN网络部分 | 第23-27页 |
| 2.3.3 Faster R-CNN网络的训练 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于DRN模型的行为识别算法 | 第29-39页 |
| 3.1 四通道行为识别算法 | 第29-32页 |
| 3.1.1 数据预处理 | 第29-30页 |
| 3.1.2 四通道微调DRN网络模型 | 第30-32页 |
| 3.1.3 实验结果 | 第32页 |
| 3.2 双数据库加权识别算法 | 第32-34页 |
| 3.2.1 加权微调DRN模型 | 第33页 |
| 3.2.2 实验结果 | 第33-34页 |
| 3.3 两种算法及其他识别算法比较与分析 | 第34-38页 |
| 3.3.1 基于分类准确率的比较 | 第34-35页 |
| 3.3.2 基于mAP的比较 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于DRN与Faster R-CNN融合模型的行为识别算法 | 第39-51页 |
| 4.1 DRN与Faster R-CNN融合模型 | 第39-46页 |
| 4.1.1 融合模型结构 | 第39-41页 |
| 4.1.2 融合模型训练 | 第41-43页 |
| 4.1.3 实验结果与分析 | 第43-46页 |
| 4.2 改进的融合模型 | 第46-50页 |
| 4.2.1 添加BN层的融合模型 | 第46-47页 |
| 4.2.2 包含三层残差块的融合模型 | 第47-50页 |
| 4.2.3 改进的融合模型与原融合模型比较 | 第50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 结论与展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录1 攻读硕士学位期间发表的论文 | 第57-58页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第58-59页 |
| 详细摘要 | 第59-63页 |