面向城市OD调查的车辆再识别
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 主要研究方法 | 第9-11页 |
| 1.2.2 主要面临的挑战 | 第11-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 相关研究工作 | 第14-26页 |
| 2.1 目标检测 | 第14-20页 |
| 2.1.1 基于区域推荐网络的目标检测网络 | 第14-17页 |
| 2.1.2 基于回归的目标检测网络 | 第17-20页 |
| 2.2 行人再识别 | 第20-22页 |
| 2.2.1 基于特征的行人再识别方法 | 第20-22页 |
| 2.2.2 基于距离学习的行人再识别方法 | 第22页 |
| 2.3 车辆再识别 | 第22-26页 |
| 第3章 基于计算机视觉的可在线学习的数据标记网络 | 第26-36页 |
| 3.1 研究背景 | 第26-27页 |
| 3.2 模型设计和原理 | 第27-30页 |
| 3.2.1 模型设计理念 | 第27页 |
| 3.2.2 模型设计原理 | 第27-30页 |
| 3.3 实验与分析 | 第30-35页 |
| 3.3.1 实验设计 | 第31页 |
| 3.3.2 数据集介绍 | 第31-32页 |
| 3.3.3 实验结果与分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于深度神经网络的车辆再识别方法 | 第36-48页 |
| 4.1 研究背景 | 第36-38页 |
| 4.2 模型设计及原理 | 第38-40页 |
| 4.3 实验与分析 | 第40-47页 |
| 4.3.1 数据集介绍 | 第40-42页 |
| 4.3.2 模型训练策略 | 第42页 |
| 4.3.3 实验结果和分析 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 发表论文和参加科研情况说明 | 第56-58页 |
| 致谢 | 第58页 |
