基于检测器组件的选择性集成方法用于场景适应的人体检测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 本文的主要研究内容与组织结构 | 第11-14页 |
| 1.2.1 本文的主要研究内容 | 第11-13页 |
| 1.2.2 本文的组织结构 | 第13-14页 |
| 1.3 本章小结 | 第14-15页 |
| 第二章 相关工作 | 第15-20页 |
| 2.1 感兴趣区域提取 | 第15-16页 |
| 2.2 特征表达 | 第16页 |
| 2.3 检测方法 | 第16-18页 |
| 2.4 领域适应 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 用于场景适应的选择性集成方法 | 第20-28页 |
| 3.1 原始决策森林 | 第20-22页 |
| 3.1.1 类Haar特征 | 第20-21页 |
| 3.1.2 决策森林 | 第21-22页 |
| 3.2 场景适应的选择性集成方法 | 第22-26页 |
| 3.2.1 选择性集成方法模型 | 第22-23页 |
| 3.2.2 模型参数优化 | 第23-25页 |
| 3.2.3 重组决策森林 | 第25-26页 |
| 3.3 本章小结 | 第26-28页 |
| 第四章 加权卷积神经网络 | 第28-35页 |
| 4.1 卷积神经网络 | 第28-30页 |
| 4.2 加权卷积神经网络 | 第30-32页 |
| 4.3 迭代训练加权卷积网络 | 第32-34页 |
| 4.4 本章小结 | 第34-35页 |
| 第五章 实验和结果分析 | 第35-53页 |
| 5.1 数据集和实验设置 | 第35-37页 |
| 5.1.1 数据集 | 第35-36页 |
| 5.1.2 实验设置 | 第36-37页 |
| 5.2 上身人体目标检测 | 第37-39页 |
| 5.3 全身人体目标检测 | 第39-51页 |
| 5.3.1 选择性集成方法的验证与分析 | 第40-45页 |
| 5.3.2 加权卷积网络的验证与分析 | 第45-46页 |
| 5.3.3 对比实验与分析 | 第46-51页 |
| 5.4 本章小结 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-63页 |
| 致谢 | 第63-65页 |
| 附件 | 第65页 |
