| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 选题背景和研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 研究工作和论文安排 | 第18-21页 |
| 1.3.1 研究工作 | 第18页 |
| 1.3.2 论文安排 | 第18-21页 |
| 第二章 关键技术分析 | 第21-35页 |
| 2.1 卷积神经网络 | 第21-31页 |
| 2.1.1 神经元 | 第21-22页 |
| 2.1.2 卷积神经网络结构 | 第22-25页 |
| 2.1.3 卷积神经网络特点 | 第25-27页 |
| 2.1.4 卷积神经网络训练方法 | 第27-31页 |
| 2.2 目标检测评价标准 | 第31-32页 |
| 2.2.1 交并比IOU | 第31页 |
| 2.2.2 平均精度值mAP | 第31-32页 |
| 2.3 Android操作系统体系结构 | 第32-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于深度学习的目标检测算法 | 第35-59页 |
| 3.1 轻量级卷积神经网络Mobile Net | 第35-40页 |
| 3.1.1 Mobile Net网络结构 | 第35-38页 |
| 3.1.2 Mobile Net网络精度 | 第38-40页 |
| 3.2 轻量级卷积神经网络Mobile Net的改进 | 第40-48页 |
| 3.2.1 Mobile Net网络压缩方法 | 第40页 |
| 3.2.2 Mobile Net网络压缩过程 | 第40-46页 |
| 3.2.3 压缩后的Mobile Net网络模型精度及大小 | 第46页 |
| 3.2.4 压缩后的Mobile Net网络结构 | 第46-48页 |
| 3.2.5 Mobile Net压缩前后对比与分析 | 第48页 |
| 3.3 基于深度学习的目标检测算法SSD | 第48-50页 |
| 3.3.1 SSD目标检测算法网络模型结构 | 第48-49页 |
| 3.3.2 SSD目标检测算法网络模型精度 | 第49-50页 |
| 3.4 基于深度学习的目标检测算法SSD的改进 | 第50-57页 |
| 3.4.1 SSD目检测模型的改进方法 | 第50-51页 |
| 3.4.2 改进后的SSD模型结构 | 第51-54页 |
| 3.4.3 改进后的SSD模型训练 | 第54-56页 |
| 3.4.4 改进后的SSD实验结果 | 第56-57页 |
| 3.4.5 SSD改进前后的对比与分析 | 第57页 |
| 3.5 本章小结 | 第57-59页 |
| 第四章 改进后的SSD目标检测算法训练与分析 | 第59-73页 |
| 4.1 实验环境搭建 | 第59-61页 |
| 4.2 模型训练数据集 | 第61页 |
| 4.3 模型训练过程 | 第61-64页 |
| 4.3.1 网络模型搭建 | 第61-62页 |
| 4.3.2 网络模型超参数配置 | 第62-64页 |
| 4.4 模型训练结果 | 第64-71页 |
| 4.5 本章小结 | 第71-73页 |
| 第五章 改进后的SSD模型Android平台移植及测试 | 第73-83页 |
| 5.1 Android移动平台搭建 | 第73-74页 |
| 5.2 模型的Android平台移植 | 第74-75页 |
| 5.3 目标检测Android应用开发过程 | 第75-76页 |
| 5.4 Android平台目标检测效果测试 | 第76-79页 |
| 5.5 目标检测模型占用Android手机性能及检测速度测试 | 第79-81页 |
| 5.6 本章小结 | 第81-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 工作总结 | 第83-84页 |
| 6.2 研究展望 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-91页 |
| 作者简介 | 第91-92页 |
