声明
摘要
插图索引
附表索引
第1章 绪论
1.1 研究背景与意义
1.2 基于视觉信息的目标识别方法研究现状
1.2.1 基于外观模型的目标识别方法研究现状
1.2.2 基于局部特征的目标识别方法研究现状
1.2.3 基于机器学习的目标识别方法研究现状
1.3 本文主要工作
1.4 论文组织结构
第2章 相关研究
2.1 目标识别模型
2.1.1 区域提取
2.1.2 目标表示
2.1.3 特征学习
2.2 支持向量机分类算法
2.2.1 线性可分SVM
2.2.2 线性不可分SVM
2.2.3 多分类SVM
2.2.4 LIBSVM及LIBLINEAR工具
2.3 神经网络参数求解算法
2.3.1 反向传播算法
2.3.2 梯度下降算法
2.3.3 深度学习工具Caffe
2.4 评估数据集
2.5 本章小结
第3章 基于区域合并准则改进的分层选择搜索算法
3.1 初始目标区域集提取方法
3.1.1 数学模型
3.1.2 算法描述
3.2 基于区域合并准则改进的分层选择搜索算法
3.2.1 算法描述
3.2.2 算法代码框架
3.3 权值可调组合相似性度量
3.3.1 颜色纹理相似性计算
3.3.2 相似性度量层级传递
3.3.3 权值可调组合相似性度量
3.4 实验及结果分析
3.4.1 实验方法
3.4.2 实验结果与分析
3.5 本章小结
第4章 一种基于改进卷积神经网络的目标识别方法
4.1 改机卷积神经网络
4.1.1 权值共享
4.1.2 卷积层
4.1.3 池化层
4.1.4 全连接层
4.1.5 空间金字塔池化层
4.2 基于改进卷积神经网络与分层选择搜索的目标识别方法
4.2.1 高质量低冗余区域集提取
4.2.2 不同缩放比下构建模型
4.2.3 大规模数据集上的预训练
4.2.4 特定应用中小数据集微调
4.3 实验及结果分析
4.3.1 实验方法
4.3.2 实验结果与分析
4.4 本章小结
结论
参考文献
攻读硕士学位期间发表论文及申请专利目录
攻读硕士学位期间所参加的科研项目目录
致谢