|
动态场景下多目标精准检测理论与方法研究 | |
论文目录 | |
| 摘要 | 第1-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题的研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 基于统计学习的目标检测算法研究现状 | 第12-13页 |
| 1.2.2 基于神经网络的目标检测算法研究现状 | 第13-17页 |
| 1.3 论文的主要研究内容 | 第17-18页 |
| 1.4 本文章节安排 | 第18-20页 |
| 第二章 动态场景下目标检测数据集的建立 | 第20-32页 |
| 2.1 引言 | 第20-21页 |
| 2.2 现有数据集的局限性 | 第21-23页 |
| 2.3 本章数据集目标类别的确定与收集 | 第23-25页 |
| 2.4 本章数据集的构建 | 第25-28页 |
| 2.5 本章数据集的对比与分析 | 第28-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于区域注意力的目标检测方法 | 第32-46页 |
| 3.1 引言 | 第32-33页 |
| 3.2 本章算法框架 | 第33页 |
| 3.3 区域注意力的设计 | 第33-36页 |
| 3.3.1 区域注意力的设计动机 | 第33-35页 |
| 3.3.2 区域注意力方法 | 第35-36页 |
| 3.4 区域注意力信息融合设计 | 第36-37页 |
| 3.5 基于区域注意力的目标检测方法 | 第37-38页 |
| 3.6 实验结果及分析 | 第38-45页 |
| 3.6.1 实验环境 | 第38页 |
| 3.6.2 本章实验网络参数与模型训练 | 第38-40页 |
| 3.6.3 客观实验结果与分析 | 第40-43页 |
| 3.6.4 主观实验结果与分析 | 第43-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 基于错分样本再分类的目标检测方法 | 第46-59页 |
| 4.1 引言 | 第46-47页 |
| 4.2 本章算法框架 | 第47页 |
| 4.3 错分样本分类器设计 | 第47-51页 |
| 4.3.1 错分样本再分类的设计动机 | 第47-48页 |
| 4.3.2 错分样本再分类方法 | 第48-51页 |
| 4.4 多分类器融合设计 | 第51-52页 |
| 4.5 基于错分样本再分类的目标检测方法 | 第52-53页 |
| 4.6 实验结果及分析 | 第53-58页 |
| 4.6.1 本章网络参数与模型训练 | 第53页 |
| 4.6.2 客观实验结果与分析 | 第53-56页 |
| 4.6.3 主观实验结果与分析 | 第56-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第五章 基于多尺度损失函数的目标检测方法 | 第59-71页 |
| 5.1 引言 | 第59-60页 |
| 5.2 本章算法框架 | 第60页 |
| 5.3 多尺度分类损失函数设计 | 第60-62页 |
| 5.3.1 多尺度分类损失的设计动机 | 第60-61页 |
| 5.3.2 多尺度分类损失函数 | 第61-62页 |
| 5.4 多尺度定位损失函数设计 | 第62-63页 |
| 5.5 基于多尺度损失函数的目标检测方法 | 第63-65页 |
| 5.6 实验结果及分析 | 第65-70页 |
| 5.6.1 本章网络参数与模型训练 | 第65页 |
| 5.6.2 客观实验结果与分析 | 第61-68页 |
| 5.6.3 主观实验结果与分析 | 第68-70页 |
| 5.7 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士期间取得的成果 | 第80页 |
本篇论文共80页，点击
这进入下载页面 |
|
| Copyright(C) All Rights Reserved |
| 客服QQ：304386486 |
| 目录由用户 小虎** 提供，作者删除入口请点击这里 |