可视目标检测与分割关键技术研究
摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
文中常用简称索引表 | 第13-14页 |
主要符号表 | 第14-15页 |
第一章 绪论 | 第15-31页 |
1.1 研究背景及意义 | 第15-17页 |
1.2 基于窗搜索框架的目标检测 | 第17-28页 |
1.2.1 特征提取 | 第18-23页 |
1.2.2 目标建模 | 第23-27页 |
1.2.3 目标假设 | 第27-28页 |
1.3 存在的问题与不足 | 第28-29页 |
1.4 论文主要内容与章节安排 | 第29-31页 |
第二章 基于区域生长的窗搜索方法 | 第31-42页 |
2.1 选择性窗搜索方法 | 第31页 |
2.2 基于区域生长的窗搜索方法 | 第31-36页 |
2.2.1 图像过分割 | 第32-33页 |
2.2.2 基于区域生长的分割模型 | 第33-34页 |
2.2.3 生成目标候选窗 | 第34-36页 |
2.3 实验结果及分析 | 第36-41页 |
2.3.1 加州理工人脸数据库实验 | 第37-39页 |
2.3.2 VOC 2009数据库实验 | 第39-41页 |
2.4 本章小结 | 第41-42页 |
第三章 级联选择窗目标检测方法 | 第42-60页 |
3.1 提高检测效率的相关方法 | 第42-45页 |
3.1.1 快速特征提取 | 第42-43页 |
3.1.2 级联分类器 | 第43-44页 |
3.1.3 选择性窗搜索 | 第44-45页 |
3.2 级联选择窗目标检测方法 | 第45-53页 |
3.2.1 压缩通道特征 | 第45-48页 |
3.2.2 软级联SVM分类器 | 第48-50页 |
3.2.3 级联选择性窗搜索 | 第50-53页 |
3.3 实验结果及分析 | 第53-58页 |
3.3.1 实验执行细节 | 第53-55页 |
3.3.2 实验比较 | 第55-58页 |
3.4 本章小结 | 第58-60页 |
第四章 基于局部区域稀疏表达的目标检测方法 | 第60-82页 |
4.1 稀疏表达理论 | 第60-69页 |
4.1.1 理论框架的形成 | 第60-61页 |
4.1.2 理论基础 | 第61-62页 |
4.1.3 稀疏编码 | 第62-65页 |
4.1.4 字典学习 | 第65-69页 |
4.2 局部区域稀疏表达检测方法 | 第69-74页 |
4.2.1 目标部分的特征提取 | 第69-70页 |
4.2.2 目标部分的字典学习 | 第70-73页 |
4.2.3 目标部分检测 | 第73页 |
4.2.4 目标检测 | 第73-74页 |
4.3 实验结果及分析 | 第74-81页 |
4.3.1 训练过程 | 第74-77页 |
4.3.2 实验比较 | 第77-81页 |
4.4 本章小结 | 第81-82页 |
第五章 基于热扩散框架的窗融合方法 | 第82-91页 |
5.1 相关窗融合方法 | 第82页 |
5.2 基于热扩散框架的窗融合方法 | 第82-87页 |
5.2.1 热扩散框架 | 第83-84页 |
5.2.2 窗融合方法 | 第84-86页 |
5.2.3 模型求解 | 第86页 |
5.2.4 模型分析 | 第86-87页 |
5.3 实验结果及分析 | 第87-90页 |
5.3.1 INRIA实验 | 第87-88页 |
5.3.2 VOC 2009实验 | 第88-90页 |
5.4 本章小结 | 第90-91页 |
第六章 基于多线索的目标检测方法 | 第91-107页 |
6.1 相关目标分割方法 | 第91-92页 |
6.2 目标检测线索 | 第92-95页 |
6.2.1 多组图像分割 | 第92-93页 |
6.2.2 目标分类器和一致性分类器 | 第93-94页 |
6.2.3 目标概率映射 | 第94-95页 |
6.2.4 超像素模板库 | 第95页 |
6.3 目标检测模型 | 第95-100页 |
6.3.1 二阶CRF模型 | 第96-98页 |
6.3.2 高阶CRF模型 | 第98-99页 |
6.3.3 模型求解 | 第99-100页 |
6.4 实验结果及分析 | 第100-106页 |
6.4.1 评价标准 | 第100-101页 |
6.4.2 实验比较 | 第101-106页 |
6.5 本章小结 | 第106-107页 |
第七章 总结与展望 | 第107-110页 |
7.1 全文总结 | 第107-108页 |
7.2 工作展望 | 第108-110页 |
致谢 | 第110-111页 |
参考文献 | 第111-124页 |
攻读博士学位期间取得的成果 | 第124-125页 |