| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 深度学习的研究现状 | 第11-13页 |
| 1.2.2 基于深度学习的目标检测技术 | 第13-16页 |
| 1.2.3 目前研究现状存在的问题 | 第16页 |
| 1.3 本文研究内容与结构 | 第16-19页 |
| 第2章 基于卷积神经网络的目标检测网络及实现 | 第19-34页 |
| 2.1 引言 | 第19页 |
| 2.2 基于FasterR-CNN的目标检测网络 | 第19-28页 |
| 2.2.1 FasterR-CNN模型的框架设计 | 第19-21页 |
| 2.2.2 FasterR-CNN模型的结构分析 | 第21-22页 |
| 2.2.3 FasterR-CNN模型的特征提取模块—CNN | 第22-28页 |
| 2.3 实验及结果分析 | 第28-33页 |
| 2.3.1 自建数据集介绍 | 第28-29页 |
| 2.3.2 目标检测网络的训练 | 第29-30页 |
| 2.3.3 实验验证分析 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于混合结构卷积神经网络的目标快速检测 | 第34-43页 |
| 3.1 引言 | 第34页 |
| 3.2 混合结构CNN模型 | 第34-38页 |
| 3.2.1 CNN模型的重构 | 第34-37页 |
| 3.2.2 CNN模型的定量分析 | 第37-38页 |
| 3.3 基于混合结构CNN的目标快速检测网络 | 第38-39页 |
| 3.4 实验及结果分析 | 第39-42页 |
| 3.4.1 目标快速检测网络的训练 | 第39-40页 |
| 3.4.2 实验验证分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于特征复用卷积神经网络的目标快速检测 | 第43-50页 |
| 4.1 引言 | 第43页 |
| 4.2 特征复用CNN模型 | 第43-47页 |
| 4.2.1 CNN模型的多特征融合 | 第43-45页 |
| 4.2.2 CNN模型的特征复用策略 | 第45-47页 |
| 4.2.3 CNN模型的矩阵分解 | 第47页 |
| 4.3 基于特征复用CNN的目标快速检测网络 | 第47-48页 |
| 4.4 实验及结果分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-61页 |
| 附录 | 第61页 |