基于深度学习的行人检测
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第12-17页 |
| 1.1 行人检测背景和意义 | 第12-13页 |
| 1.2 行人检测难点及研究现状 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 2 行人检测及深度学习研究综述 | 第17-30页 |
| 2.1 行人检测综述 | 第17-25页 |
| 2.1.1 滑动窗口选择 | 第17-18页 |
| 2.1.2 梯度方向直方图 | 第18-21页 |
| 2.1.3 支持向量机 | 第21-22页 |
| 2.1.4 行人数据库及评测标准 | 第22-24页 |
| 2.1.5 基于HOG+SVM的行人检测 | 第24-25页 |
| 2.2 深度学习研究综述 | 第25-30页 |
| 2.2.1 从浅层学习到深度学习 | 第25-26页 |
| 2.2.2 深度学习特征提取 | 第26-30页 |
| 3 基于深度学习的行人检测 | 第30-41页 |
| 3.1 神经网络 | 第30-32页 |
| 3.2 反向传播算法 | 第32-33页 |
| 3.3 卷积神经网络 | 第33-35页 |
| 3.4 基于深度学习的行人检测 | 第35-39页 |
| 3.4.1 系统框架 | 第35-36页 |
| 3.4.2 基于图像检索扩充的深度学习行人检测 | 第36-39页 |
| 3.5 实验结果与分析 | 第39-41页 |
| 4 多策略融合窗口的深度学习行人检测 | 第41-48页 |
| 4.1 选择性搜索 | 第41-44页 |
| 4.2 二值规范化梯度 | 第44-45页 |
| 4.3 多策略融合窗口选择 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-48页 |
| 5 总结与展望 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第52-54页 |
| 学位论文数据集 | 第54页 |
