| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要研究内容及工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第二章 目标检测与识别算法概述 | 第18-30页 |
| 2.1 传统目标检测与识别算法 | 第18-22页 |
| 2.1.1 基于HOG特征的目标检测算法 | 第19-21页 |
| 2.1.2 基于LBP特征的目标检测算法 | 第21页 |
| 2.1.3 基于HAAR特征的目标检测算法 | 第21-22页 |
| 2.2 基于深度学习的目标检测与识别算法 | 第22-28页 |
| 2.2.1 基于候选区域的目标检测算法 | 第22-26页 |
| 2.2.2 基于回归方法的目标检测算法 | 第26-27页 |
| 2.2.3 基于网络结构重构的目标检测算法 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第三章 神经网络模型调度算法的研究 | 第30-42页 |
| 3.1 模型调度系统框架 | 第30-32页 |
| 3.2 神经网络压缩模型的生成 | 第32-36页 |
| 3.2.1 低秩分解 | 第33-34页 |
| 3.2.2 矩阵参数剪枝 | 第34-35页 |
| 3.2.3 网络结构化改进 | 第35-36页 |
| 3.3 移动云计算系统资源限制下的最优化问题 | 第36-41页 |
| 3.3.1 网络带宽的限制 | 第36-37页 |
| 3.3.2 移动端电量的限制 | 第37-38页 |
| 3.3.3 移动端内存资源的限制 | 第38-39页 |
| 3.3.4 构建有约束条件的最优化模型 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于移动云模型调度的安全系统的实现 | 第42-54页 |
| 4.1 基于半监督学习的数据集扩充方法 | 第42-46页 |
| 4.1.1 有标记与无标记的训练样本 | 第42-44页 |
| 4.1.2 模型调度系统下SSD模型及其变体的训练 | 第44-45页 |
| 4.1.3 半监督学习运行流程 | 第45-46页 |
| 4.2 移动云模型调度系统各模块实现 | 第46-49页 |
| 4.2.1 视频流的采集与读取模块 | 第46-47页 |
| 4.2.2 视频数据的传输模块 | 第47-48页 |
| 4.2.3 模型的调度模块 | 第48-49页 |
| 4.2.4 视频帧的检测与识别模块 | 第49页 |
| 4.2.5 视频图像的显示模块 | 第49页 |
| 4.3 基于蓝牙低功耗的安全消息广播 | 第49-53页 |
| 4.3.1 安全消息广播系统框架及应用场景 | 第50-51页 |
| 4.3.2 压缩地理位置信息 | 第51-52页 |
| 4.3.3 基于CGIP的碰撞检测算法 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 实验结果及分析 | 第54-66页 |
| 5.1 实验环境设置 | 第54-55页 |
| 5.2 移动云模型调度系统性能分析 | 第55-62页 |
| 5.3 网联汽车安全检测系统性能分析 | 第62-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 论文工作总结 | 第66页 |
| 6.2 不足与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |