深度主动半监督学习的目标检测
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-29页 |
| 1.1 研究背景和研究意义 | 第14-16页 |
| 1.2 面临的问题 | 第16-17页 |
| 1.3 国内外研究现状 | 第17-24页 |
| 1.3.1 目标检测算法 | 第17-20页 |
| 1.3.2 主动半监督学习 | 第20-22页 |
| 1.3.3 主动半监督学习的目标检测 | 第22-24页 |
| 1.4 常用数据集和评价指标 | 第24-27页 |
| 1.4.1 常用数据集 | 第24页 |
| 1.4.2 评价指标 | 第24-27页 |
| 1.5 本文的研究内容和整体结构 | 第27-29页 |
| 2 基于不确定度采样的主动学习目标检测 | 第29-44页 |
| 2.1 引言 | 第29页 |
| 2.2 算法框架和问题建模 | 第29-31页 |
| 2.2.1 算法框架 | 第29-30页 |
| 2.2.2 问题建模 | 第30-31页 |
| 2.3 不确定度采样策略 | 第31-33页 |
| 2.3.1 最小置信度采样 | 第31-32页 |
| 2.3.2 距离度量采样 | 第32-33页 |
| 2.3.3 信息熵采样 | 第33页 |
| 2.4 网络结构和损失函数 | 第33-36页 |
| 2.4.1 网络结构 | 第33-35页 |
| 2.4.2 损失函数 | 第35-36页 |
| 2.5 实验与分析 | 第36-41页 |
| 2.5.1 实验设定和算法实现细节 | 第37页 |
| 2.5.2 模块有效性验证 | 第37-39页 |
| 2.5.3 VOC 2007实验结果 | 第39-40页 |
| 2.5.4 VOC 2012实验结果 | 第40-41页 |
| 2.6 本章小结 | 第41-44页 |
| 3 基于目标实例提取的主动学习目标检测 | 第44-61页 |
| 3.1 引言 | 第44-45页 |
| 3.2 算法框架 | 第45-46页 |
| 3.3 目标实例提取采样策略 | 第46-50页 |
| 3.3.1 目标实例提取 | 第46-47页 |
| 3.3.2 目标实例不确定度计算 | 第47-49页 |
| 3.3.3 批采样多样化 | 第49-50页 |
| 3.4 实验与分析 | 第50-60页 |
| 3.4.1 实验设定和算法实现细节 | 第50-51页 |
| 3.4.2 模块有效性验证 | 第51-57页 |
| 3.4.3 VOC 2007实验结果 | 第57-59页 |
| 3.4.4 VOC 2012实验结果 | 第59-60页 |
| 3.5 本章小结 | 第60-61页 |
| 4 基于目标实例提取的主动半监督学习目标检测 | 第61-69页 |
| 4.1 引言 | 第61页 |
| 4.2 算法框架 | 第61-62页 |
| 4.3 主动半监督学习采样 | 第62-64页 |
| 4.4 实验与分析 | 第64-68页 |
| 4.4.1 实验设定和算法实现细节 | 第64页 |
| 4.4.2 VOC实验结果 | 第64-68页 |
| 4.5 本章小结 | 第68-69页 |
| 5 总结与展望 | 第69-71页 |
| 5.1 本文工作总结 | 第69-70页 |
| 5.2 未来工作展望 | 第70-71页 |
| 参考文献 | 第71-79页 |
| 作者简历 | 第79页 |
