深度位敏信息网络的图像目标检测研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-16页 |
| 1.1 研究目的及意义 | 第7-8页 |
| 1.2 目标检测发展状况 | 第8-11页 |
| 1.2.1 机械式的检测算法 | 第8-9页 |
| 1.2.2 智能式的检测算法 | 第9-11页 |
| 1.3 深度学习发展状况 | 第11-13页 |
| 1.3.1 算法发展概况 | 第11页 |
| 1.3.2 存在的问题及改善方法 | 第11-12页 |
| 1.3.3 深度学习关键技术 | 第12-13页 |
| 1.4 工作内容、重点及章节安排 | 第13-16页 |
| 1.4.1 主要内容 | 第13-14页 |
| 1.4.2 研究重点 | 第14页 |
| 1.4.3 章节安排 | 第14-16页 |
| 2 深度学习 | 第16-29页 |
| 2.1 神经网络及其训练 | 第16-19页 |
| 2.2 卷积网络及其训练 | 第19-23页 |
| 2.3 深度学习关键技术 | 第23-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 目标检测算法 | 第29-54页 |
| 3.1 机械式目标检测 | 第29-35页 |
| 3.1.1 图像预处理 | 第29-30页 |
| 3.1.2 目标检测 | 第30-35页 |
| 3.2 智能式目标检测 | 第35-46页 |
| 3.2.1 视觉词袋模型 | 第35-42页 |
| 3.2.2 候选区域提取算法 | 第42-46页 |
| 3.3 基于深度学习的目标检测 | 第46-53页 |
| 3.3.1 回归方式的目标检测网络 | 第46-51页 |
| 3.3.2 分类方式的目标检测网络 | 第51-53页 |
| 3.4 本章小结 | 第53-54页 |
| 4 深度位敏信息网络 | 第54-67页 |
| 4.1 图像识别网络 | 第54-57页 |
| 4.2 深度位敏信息网络模型描述 | 第57-59页 |
| 4.3 数据集及网络训练 | 第59-61页 |
| 4.3.1 数据集介绍 | 第59-60页 |
| 4.3.2 网络的训练 | 第60-61页 |
| 4.4 试验结果及分析 | 第61-66页 |
| 4.4.1 位敏信息网络对比与分析 | 第61-63页 |
| 4.4.2 位敏得分网络对比与分析 | 第63-64页 |
| 4.4.3 目标检测算法的分析与比较 | 第64-66页 |
| 4.5 本章小结 | 第66-67页 |
| 5 集成学习方式训练 | 第67-74页 |
| 5.1 集成学习 | 第67-69页 |
| 5.1.1 序列集成算法 | 第67-68页 |
| 5.1.2 并行式集成算法 | 第68-69页 |
| 5.2 基于集成学习改善网络 | 第69-72页 |
| 5.2.1 数据的不平衡问题 | 第69-71页 |
| 5.2.2 集成学习方式的训练 | 第71-72页 |
| 5.3 实验结果与分析 | 第72-73页 |
| 5.4 本章小结 | 第73-74页 |
| 6 结论与展望 | 第74-77页 |
| 6.1 结论 | 第74-75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的论文 | 第81-82页 |
| 致谢 | 第82-85页 |
