基于特征融合的目标检测与重识别
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第16-24页 |
| 1.1 选题背景 | 第16-17页 |
| 1.2 问题定义与算法框架 | 第17-19页 |
| 1.3 主要挑战 | 第19-20页 |
| 1.4 研究现状与趋势 | 第20-22页 |
| 1.4.1 提高速度 | 第20-22页 |
| 1.4.2 提高精度 | 第22页 |
| 1.5 本文创新点 | 第22-23页 |
| 1.6 章节安排 | 第23-24页 |
| 第2章 相关工作 | 第24-38页 |
| 2.1 目标特征的表达 | 第24-29页 |
| 2.1.1 早期的特征描述子 | 第24-25页 |
| 2.1.2 CNN的发展 | 第25-29页 |
| 2.2 双阶段目标检测器 | 第29-33页 |
| 2.3 单阶段目标检测器 | 第33-35页 |
| 2.4 行人重识别技术 | 第35-38页 |
| 第3章 基于选择性特征融合的双阶段目标检测器 | 第38-54页 |
| 3.1 研究背景与思路 | 第38-40页 |
| 3.2 特征选择性网络 | 第40-41页 |
| 3.3 网络设计细节 | 第41-45页 |
| 3.3.1 特征降维模块 | 第41-42页 |
| 3.3.2 子区域注意力堆 | 第42-44页 |
| 3.3.3 纵横比注意力堆 | 第44页 |
| 3.3.4 选择性池化 | 第44-45页 |
| 3.3.5 检测子网络 | 第45页 |
| 3.4 实验设计及结果分析 | 第45-50页 |
| 3.4.1 实验设置 | 第45-46页 |
| 3.4.2 特征选择的作用 | 第46-47页 |
| 3.4.3 MS COCO数据集上的结果 | 第47-48页 |
| 3.4.4 计算量与精度的平衡 | 第48-49页 |
| 3.4.5 降维的作用 | 第49页 |
| 3.4.6 可选择的特征维数 | 第49-50页 |
| 3.4.7 偏移卷积的作用 | 第50页 |
| 3.5 总结 | 第50-54页 |
| 第4章 基于联合性锚点框融合的单阶段目标检测器 | 第54-72页 |
| 4.1 研究背景与思路 | 第54-56页 |
| 4.2 联合性锚点框融合网络 | 第56-62页 |
| 4.2.1 网络结构 | 第56-57页 |
| 4.2.2 预设锚点框 | 第57-58页 |
| 4.2.3 联合性锚点框 | 第58-60页 |
| 4.2.4 4D线性插值 | 第60-62页 |
| 4.2.5 联合训练 | 第62页 |
| 4.3 网络结构变种 | 第62-64页 |
| 4.3.1 传统单阶段目标检测器 | 第63页 |
| 4.3.2 全卷积目标检测器 | 第63-64页 |
| 4.3.3 优化的全卷积目标检测器 | 第64页 |
| 4.4 实验设计及结果分析 | 第64-69页 |
| 4.4.1 实验设置 | 第64-65页 |
| 4.4.2 与基准结果比较 | 第65-66页 |
| 4.4.3 其他应用 | 第66-67页 |
| 4.4.4 锚点框设置 | 第67-68页 |
| 4.4.5 联合训练设置 | 第68页 |
| 4.4.6 与通用目标检测算法的对比 | 第68页 |
| 4.4.7 可视化结果 | 第68-69页 |
| 4.5 总结 | 第69-72页 |
| 第5章 基于通道组全局特征融合的图像重识别网络 | 第72-86页 |
| 5.1 研究背景与思路 | 第72-75页 |
| 5.1.1 问题分析 | 第73页 |
| 5.1.2 距离量度损失函数 | 第73页 |
| 5.1.3 交叉熵分类损失函数 | 第73-74页 |
| 5.1.4 多分支全连接层的作用 | 第74-75页 |
| 5.2 基于通道组全局特征的重识别网络 | 第75-76页 |
| 5.3 网络设计细节 | 第76-77页 |
| 5.3.1 卷积层参数共享 | 第76页 |
| 5.3.2 通道组划分 | 第76页 |
| 5.3.3 损失函数 | 第76-77页 |
| 5.3.4 测试设置 | 第77页 |
| 5.4 网络结构变种 | 第77-78页 |
| 5.5 实验设计及结果分析 | 第78-84页 |
| 5.5.1 实验设置 | 第79页 |
| 5.5.2 不同损失函数的比较 | 第79页 |
| 5.5.3 不同分支数量的影响 | 第79页 |
| 5.5.4 卷积层参数共享 | 第79-80页 |
| 5.5.5 通道组划分方式 | 第80-81页 |
| 5.5.6 不同测试模式 | 第81-82页 |
| 5.5.7 通道组与图像分块的结合 | 第82-83页 |
| 5.5.8 与其他算法的比较 | 第83-84页 |
| 5.5.9 可视化结果 | 第84页 |
| 5.6 总结 | 第84-86页 |
| 第6章 应用实例 | 第86-90页 |
| 6.1 饮料瓶检测 | 第86-87页 |
| 6.2 消费时间统计 | 第87-90页 |
| 第7章 总结与展望 | 第90-92页 |
| 参考文献 | 第92-102页 |
| 致谢 | 第102-104页 |
| 在读期间发表的学术论文与取得的研究成果 | 第104页 |
