首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于卷积神经网络的物体检测研究

摘要第3-5页
Abstract第5-6页
第1章 绪论第9-14页
    1.1 研究背景和意义第9-10页
    1.2 国内外研究现状第10-12页
    1.3 主要研究工作第12-13页
    1.4 论文组织结构第13-14页
第2章 基本概念和相关知识第14-21页
    2.1 物体检测的流程第14页
    2.2 Softmax函数第14-15页
    2.3 损失函数第15页
    2.4 几种典型物体检测方法介绍第15-20页
    2.5 后续改进的简要描述第20页
    2.6 本章小结第20-21页
第3章 结合新预测模块的NPM-SSD第21-31页
    3.1 新预测模块第21-22页
    3.2 训练第22-24页
    3.3 实验第24-30页
        3.3.1 数据集介绍第24-25页
        3.3.2 评价指标第25-26页
        3.3.3 实验设置第26页
        3.3.4 对比实验第26-29页
        3.3.5 消除实验第29页
        3.3.6 错误来源分析第29-30页
    3.4 本章小结第30-31页
第4章 结合自适应先验框体产生机制的NTB-SSD第31-37页
    4.1 多尺度训练测试的研究第31-32页
    4.2 结合自适应先验框体产生机制的NTB-SSD第32-33页
    4.3 实验第33-36页
        4.3.1 实验设置第33-34页
        4.3.2 对比实验第34-36页
    4.4 本章小结第36-37页
第5章 联合物体检测和语义分割的模型DS-Net第37-44页
    5.1 语义分割模型介绍第37-38页
    5.2 DS-Net模型介绍第38-39页
        5.2.1 网络结构设计第38-39页
        5.2.2 损失函数第39页
    5.3 实验第39-43页
        5.3.1 数据集介绍第39-40页
        5.3.2 评价标准第40页
        5.3.3 实验设置第40页
        5.3.4 对比实验第40-43页
    5.4 本章小结第43-44页
第6章 总结与展望第44-45页
    6.1 研究工作总结第44页
    6.2 未来工作展望第44-45页
参考文献第45-49页
致谢第49-50页
攻读硕士学位期间的研究成果第50页

论文共50页,点击 下载论文
上一篇:基于视觉引导的SCARA工业机械手应用研究
下一篇:基于深度学习的视频总结算法研究与实现