复杂环境下目标识别方法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 目标识别技术的研究现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10页 |
| 1.4 论文的组织与结构 | 第10-12页 |
| 第2章 基于深度学习的目标识别技术介绍 | 第12-22页 |
| 2.1 神经网络模型 | 第12-15页 |
| 2.1.1 人脑视觉机理 | 第12-13页 |
| 2.1.2 人工神经网络 | 第13-15页 |
| 2.2 卷积神经网络 | 第15-17页 |
| 2.3 深度学习框架 | 第17-18页 |
| 2.4 目标检测识别的网络模型 | 第18-21页 |
| 2.4.1 Fast-RCNN模型 | 第18-21页 |
| 2.4.2 VGGNet模型 | 第21页 |
| 2.5 小结 | 第21-22页 |
| 第3章 家庭服务机器人目标识别的建模 | 第22-26页 |
| 3.1 目标识别的基本框架 | 第22页 |
| 3.2 特征提取网络的构建 | 第22-23页 |
| 3.3 分类器的选择 | 第23-25页 |
| 3.4 小结 | 第25-26页 |
| 第4章 基于图像分割的识别模型改进 | 第26-32页 |
| 4.1 复杂场景下的目标分割方法 | 第26-31页 |
| 4.1.1 选择性搜索算法 | 第26-30页 |
| 4.1.2 估计目标网络 | 第30-31页 |
| 4.2 基于估计目标网络的模型优化 | 第31页 |
| 4.3 小结 | 第31-32页 |
| 第5章 人体目标识别系统的实现 | 第32-40页 |
| 5.1 系统设计 | 第32页 |
| 5.2 系统环境 | 第32-33页 |
| 5.3 数据集准备 | 第33-34页 |
| 5.4 卷积神经网络模型训练 | 第34-36页 |
| 5.5 模型测试 | 第36页 |
| 5.6 实验结果及分析 | 第36-39页 |
| 5.7 小结 | 第39-40页 |
| 第6章 总结与展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 攻读硕士期间的研究成果 | 第44-45页 |
| 致谢 | 第45页 |
