| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 目标检测研究现状 | 第11-14页 |
| 1.2.2 卷积神经网络研究现状 | 第14-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第2章 目标检测性能评价标准和数据集简介 | 第18-26页 |
| 2.1 目标检测算法的性能评价指标 | 第18-22页 |
| 2.2 KITTI数据集简介 | 第22-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 基于MOBILENET的分层全卷积神经网络 | 第26-42页 |
| 3.1 引言 | 第26-27页 |
| 3.2 相关工作分析 | 第27-29页 |
| 3.2.1 全卷积神经网络 | 第27页 |
| 3.2.2 多层特征融合机制 | 第27-29页 |
| 3.3 基于MOBILENET的分层全卷积神经网络结构 | 第29-34页 |
| 3.3.1 MOBILENET网络 | 第29-31页 |
| 3.3.2 多尺度检测和优化模块 | 第31-34页 |
| 3.3.3 全卷积预测器 | 第34页 |
| 3.4 实现细节 | 第34-36页 |
| 3.4.1 网格尺寸和宽高比 | 第34-35页 |
| 3.4.2 损失函数 | 第35-36页 |
| 3.4.3 数据增强 | 第36页 |
| 3.5 实验结果与分析 | 第36-41页 |
| 3.5.1 实验设置 | 第36-37页 |
| 3.5.2 实验结果 | 第37-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 引入物体性检测的目标检测算法改进 | 第42-54页 |
| 4.1 引言 | 第42-43页 |
| 4.2 相关工作 | 第43-47页 |
| 4.2.1 单阶段和双阶段目标检测分析 | 第43-44页 |
| 4.2.2 多任务学习 | 第44-47页 |
| 4.3 算法实现 | 第47-50页 |
| 4.3.1 物体性检测 | 第47-48页 |
| 4.3.2 损失函数 | 第48-50页 |
| 4.3.3 训练和测试 | 第50页 |
| 4.4 实验结果与分析 | 第50-52页 |
| 4.4.1 实验结果 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54-55页 |
| 5.2 下一步工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 作者简历及攻读硕士学位期间发表的学术论文与研究成果 | 第62页 |
