| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 课题研究的背景和意义 | 第7-8页 |
| 1.2 目标检测算法研究现状 | 第8-10页 |
| 1.3 论文的主要工作 | 第10-11页 |
| 第2章 深度学习基本理论 | 第11-24页 |
| 2.1 引言 | 第11页 |
| 2.2 深度卷积神经网络基本结构 | 第11-15页 |
| 2.2.1 全链接层 | 第12页 |
| 2.2.2 卷积层 | 第12-13页 |
| 2.2.3 池化层 | 第13-14页 |
| 2.2.4 损失函数 | 第14-15页 |
| 2.3 深度卷积神经网络参数更新 | 第15-22页 |
| 2.3.1 梯度下降 | 第15-17页 |
| 2.3.2 反向传播 | 第17-22页 |
| 2.4 深度学习网络权重初始化 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 Faster-RCNN目标检测优化 | 第24-42页 |
| 3.1 引言 | 第24页 |
| 3.2 Faster-RCNN目标检测分析 | 第24-35页 |
| 3.2.1 Faster-RCNN特征提取模块分析 | 第26页 |
| 3.2.2 Faster-RCNN RPN层分析 | 第26-32页 |
| 3.2.3 Faster-RCNN ROI Pooling模块分析 | 第32-33页 |
| 3.2.4 分类并生成精确的目标边界框分析 | 第33-34页 |
| 3.2.5 Faster-RCNN训练分析 | 第34-35页 |
| 3.3 分类网络优化 | 第35-39页 |
| 3.3.1 分类网络优化方法分析 | 第35页 |
| 3.3.2 分类网络优化后执行效率分析 | 第35-36页 |
| 3.3.3 分类网络优化后的复杂度分析 | 第36-37页 |
| 3.3.4 新分类网络FusionNet | 第37-39页 |
| 3.4 Faster-RCNN目标检测优化 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 实验 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 训练数据集 | 第42-43页 |
| 4.2.1 ILSVRC 2012数据集 | 第42页 |
| 4.2.2 WIDER人脸检测数据集 | 第42-43页 |
| 4.3 网络训练 | 第43-45页 |
| 4.4 TensorRT前向推理 | 第45-47页 |
| 4.5 人脸检测网络评估 | 第47-49页 |
| 4.5.1 评估数据集FDDB | 第47页 |
| 4.5.2 评估方法 | 第47-49页 |
| 4.6 实验结果对比 | 第49-50页 |
| 4.6.1 分类网络精度对比 | 第49页 |
| 4.6.2 人脸检测网络实验结果对比 | 第49-50页 |
| 4.7 本章小结 | 第50-52页 |
| 第5章 总结和展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52页 |
| 5.2 后续工作展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |