| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 目标检测研究现状 | 第12页 |
| 1.2.2 实际应用现状 | 第12-13页 |
| 1.3 本文主要内容 | 第13-14页 |
| 1.4 本文结构安排 | 第14-15页 |
| 2 目标检测理论基础 | 第15-29页 |
| 2.1 目标检测算法概述 | 第15-19页 |
| 2.1.1 基于传统视觉算法的目标检测 | 第15-16页 |
| 2.1.2 基于Region Proposal的深度学习目标检测 | 第16-18页 |
| 2.1.3 基于回归方法的深度学习目标检测 | 第18-19页 |
| 2.2 YOLO算法分析 | 第19-28页 |
| 2.2.1 YOLO算法整体思想 | 第19-21页 |
| 2.2.2 YOLO网络结构框架分析 | 第21-26页 |
| 2.2.3 非极大值抑制 | 第26-27页 |
| 2.2.4 YOLO算法性能分析 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 基于FPGA的YOLO目标检测算法加速研究 | 第29-38页 |
| 3.1 OpenCL异构计算框架 | 第29-30页 |
| 3.2 FPGA硬件加速器设计 | 第30-35页 |
| 3.2.1 YOLO算法加速整体框架 | 第30-31页 |
| 3.2.2 卷积算法加速研究 | 第31-33页 |
| 3.2.3 池化算法加速研究 | 第33-35页 |
| 3.2.4 BN算法加速研究 | 第35页 |
| 3.3 数据量化 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 基于FPGA的YOLO目标检测算法加速实现 | 第38-49页 |
| 4.1 FPGA平台搭建 | 第38-40页 |
| 4.2 基于FPGA的YOLO目标检测算法在安防上的应用 | 第40-45页 |
| 4.2.1 训练过程 | 第40-44页 |
| 4.2.2 实验过程 | 第44-45页 |
| 4.3 实验结果对比与分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 结论与展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第53-55页 |
| 学位论文数据集 | 第55页 |