基于深度学习框架的运动目标物体检测方法研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究意义 | 第8页 |
| 1.3 本论文主要研究内容 | 第8-9页 |
| 1.4 本论文的章节安排 | 第9-11页 |
| 第2章 相关工作综述 | 第11-18页 |
| 2.1 图像特征表征：从浅层到深层 | 第11-15页 |
| 2.1.1 图像的浅层特征表征 | 第11-13页 |
| 2.1.2 图像的深度特征表征 | 第13-15页 |
| 2.2 深度学习 | 第15-16页 |
| 2.2.1 深度学习的背景 | 第15-16页 |
| 2.2.2 深度学习的发展现状 | 第16页 |
| 2.3 目标物体检测 | 第16-18页 |
| 第3章 基于浅层回归模型的单目标物体检测 | 第18-25页 |
| 3.1 离线线性回归模型 | 第18-19页 |
| 3.1.1 一元线性回归 | 第18-19页 |
| 3.1.2 多元线性回归 | 第19页 |
| 3.2 离线非线性回归模型 | 第19-21页 |
| 3.2.1 支持向量机理论 | 第19-20页 |
| 3.2.2 支持向量回归 | 第20-21页 |
| 3.3 单目标物体检测浅层回归模型的在线更新策略 | 第21-25页 |
| 3.3.1 在线连续更新策略 | 第22-23页 |
| 3.3.2 在线增量更新策略 | 第23-25页 |
| 第4章 基于深度回归模型的单目标物体检测 | 第25-34页 |
| 4.1 卷积神经网络 | 第26-29页 |
| 4.1.1 卷积神经网络简介 | 第26-27页 |
| 4.1.2 卷积运算 | 第27-28页 |
| 4.1.3 下采样 | 第28页 |
| 4.1.4 反向传播 | 第28-29页 |
| 4.2 离线排序回归模型 | 第29-32页 |
| 4.3 单目标物体检测深度回归模型的在线更新策略 | 第32-34页 |
| 4.3.1 在线连续更新策略 | 第32-33页 |
| 4.3.2 在线增量更新策略 | 第33-34页 |
| 第5章 统计实验验证与分析 | 第34-51页 |
| 5.1 实验设定 | 第34-39页 |
| 5.1.1 数据库组成 | 第34-36页 |
| 5.1.2 实验平台 | 第36-37页 |
| 5.1.3 实验流程 | 第37-39页 |
| 5.2 实验预测结果图分析 | 第39-46页 |
| 5.2.1 运动目标物体检测实验：推自行车的男人 | 第39-40页 |
| 5.2.2 运动目标物体检测实验：蓝色小鱼 | 第40-41页 |
| 5.2.3 运动目标物体检测实验：绿色汽车 | 第41-43页 |
| 5.2.4 运动目标物体检测实验：蓝衣女孩 | 第43-44页 |
| 5.2.5 运动目标物体检测实验：骑摩托车的人 | 第44-46页 |
| 5.3 实验结果统计学分析 | 第46-51页 |
| 5.3.1 定量分析：统计箱图 | 第46-47页 |
| 5.3.2 定量分析：多重比较测试 | 第47-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 后续工作展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间的研究成果 | 第58页 |
