移动端目标检测系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 移动端目标检测的技术挑战 | 第12-13页 |
| 1.2.1 精度问题 | 第12-13页 |
| 1.2.2 速度问题 | 第13页 |
| 1.3 本文概述 | 第13-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 相关技术介绍 | 第17-31页 |
| 2.1 目标检测算法的发展历程 | 第17-21页 |
| 2.1.1 传统目标检测算法 | 第17-19页 |
| 2.1.2 双阶段目标检测算法 | 第19-20页 |
| 2.1.3 单阶段目标检测算法 | 第20-21页 |
| 2.2 SSD目标检测算法 | 第21-25页 |
| 2.2.1 预选框的设定 | 第22-23页 |
| 2.2.2 目标函数 | 第23-24页 |
| 2.2.3 网络结构 | 第24-25页 |
| 2.3 模型小型化算法的发展历程 | 第25-30页 |
| 2.3.1 基于特殊结构的小型网络 | 第25-28页 |
| 2.3.2 基于模型压缩的小型网络 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 移动端目标检测系统设计与优化 | 第31-39页 |
| 3.1 移动端神经网络计算框架MCNN | 第31-36页 |
| 3.1.1 MCNN的框架介绍 | 第31-34页 |
| 3.1.2 MCNN基于iOS系统的优化 | 第34-36页 |
| 3.2 目标检测跟踪框架 | 第36-38页 |
| 3.2.1 目标检测跟踪流程 | 第36-37页 |
| 3.2.2 目标生命周期的维护 | 第37-38页 |
| 3.3 小结 | 第38-39页 |
| 第4章 目标检测算法的模型小型化 | 第39-45页 |
| 4.1 小型网络的选择 | 第39-40页 |
| 4.2 渐进式网络量化 | 第40-44页 |
| 4.2.1 量化原理 | 第41-42页 |
| 4.2.2 量化训练过程 | 第42-44页 |
| 4.3 小结 | 第44-45页 |
| 第5章 基于多尺度特征融合的目标检测算法 | 第45-51页 |
| 5.1 SSD算法的不足 | 第45页 |
| 5.2 基于膨胀卷积的特征融合 | 第45-49页 |
| 5.2.1 膨胀卷积 | 第45-47页 |
| 5.2.2 多尺度特征金字塔 | 第47-49页 |
| 5.3 基于反卷积的特征融合 | 第49-50页 |
| 5.4 小结 | 第50-51页 |
| 第6章 实验结果与Demo演示 | 第51-60页 |
| 6.1 实验说明 | 第51-53页 |
| 6.1.1 运行环境 | 第51-52页 |
| 6.1.2 PASCAL VOC数据集简介 | 第52-53页 |
| 6.2 实验一:检测系统的优化与Demo展示 | 第53-54页 |
| 6.3 实验二:不同骨干网络的比较 | 第54-57页 |
| 6.3.1 实验设计 | 第54-55页 |
| 6.3.2 实验结果与分析 | 第55-57页 |
| 6.4 实验三:多尺度特征融合的精度比较 | 第57-59页 |
| 6.4.1 实验设计 | 第57页 |
| 6.4.2 实验结果与分析 | 第57-59页 |
| 6.5 小结 | 第59-60页 |
| 第7章 总结与展望 | 第60-62页 |
| 7.1 全文总结 | 第60-61页 |
| 7.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间的主要研究成果 | 第67-68页 |
| 致谢 | 第68页 |
