| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-25页 |
| 1.1 课题背景及研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文采用的方法介绍 | 第14-22页 |
| 1.3.1 深度学习 | 第14页 |
| 1.3.2 深度卷积神经网络 | 第14-16页 |
| 1.3.3 二阶特征信息 | 第16-18页 |
| 1.3.4 特征分层级联 | 第18-20页 |
| 1.3.5 基于Faster-RCNN的目标检测架构 | 第20-22页 |
| 1.4 本文主要研究内容 | 第22-25页 |
| 1.4.1 课题来源 | 第22-23页 |
| 1.4.2 本文主要研究内容 | 第23-25页 |
| 第2章 基于Hyper-Column的二阶特征融合策略 | 第25-38页 |
| 2.1 带有空间信息高阶特征的Hyper-Column | 第25-30页 |
| 2.1.1 基于SORT二阶特征的Hyper-Column | 第25-27页 |
| 2.1.2 基于HIHCA二阶以及三阶特征的Hyper-Column | 第27-30页 |
| 2.2 实现细节与具体训练策略 | 第30-31页 |
| 2.2.1 基于SORT特征的目标检测网络的实现细节 | 第30页 |
| 2.2.2 基于HIHCA特征的目标检测网络的实现细节 | 第30-31页 |
| 2.2.3 网络训练策略 | 第31页 |
| 2.3 实验结果以及实验分析 | 第31-37页 |
| 2.3.1 实验数据介绍以及实验结果 | 第31-35页 |
| 2.3.2 L2正则化和尺度层的效果 | 第35-36页 |
| 2.3.3 HIHCA中 1×1 卷积通道数的影响 | 第36页 |
| 2.3.4 HIHCA融合不同层的效果比较 | 第36-37页 |
| 2.4 问题分析 | 第37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 基于特征分层表征的二阶HIHCA融合策略 | 第38-44页 |
| 3.1 基于TDM模型的二阶特征融合策略 | 第38-40页 |
| 3.2 模型实现细节及训练细节 | 第40-41页 |
| 3.2.1 二阶特征TDM模型实现细节 | 第40-41页 |
| 3.2.2 训练细节 | 第41页 |
| 3.3 实验结果 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 带有姿态估计的多任务目标检测 | 第44-52页 |
| 4.1 引言 | 第44页 |
| 4.2 实验数据集以及数据预处理 | 第44-45页 |
| 4.3 目标检测以及姿态估计模型 | 第45-47页 |
| 4.4 针对姿态估计的Faster-RCNN网络架构与实现细节 | 第47-49页 |
| 4.5 网络训练细节以及实验结果 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 多任务目标检测系统 | 第52-60页 |
| 5.1 多任务目标检测系统应用场景及使用的编程架构环境 | 第52-53页 |
| 5.2 多任务目标检测系统构造及系统类图 | 第53-55页 |
| 5.3 多任务目标检测系统的最终实现结果 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |
