声明
摘要
1.1 研究背景与意义
1.2 研究现状
1.2.1 深度学习研究现状
1.2.2 运动目标检测算法研究现状
1.2.3 行人结构化描述研究现状
1.3 论文研究内容与结构安排
第二章 深度学习理论与平台搭建
2.1 深度学习概述和基础理论
2.1.1 深度学习概述
2.1.2 深度神经网络
2.2 卷积神经网络理论基础
2.2.1 核心特点
2.2.3 网络层类型
2.3 卷积神经网络结构分析
2.3.1 AlexNet
2.3.2 VGG
2.3.3 ResNet
2.3.4 DenseNet
2.3.5 SENet
2.4 深度学习平台搭建
2.5 本章小结
第三章 基于深度学习的监控视频运动目标检测
3.1 YOLO运动目标检测算法
3.1.1 检测流程
3.1.2 网络结构
3.1.3 网络模型训练
3.2 YOLOv2运动目标检测算法
3.2.1 检测流程
3.2.2 DarkNet-19
3.2.3 细粒度特征
3.3 监控视频运动目标检测网络设计及实现
3.3.1 数据集准备
3.3.2 改进检测网络
3.3.3 实验对比与分析
3.4 本章小结
第四章 基于深度学习的行人部件检测
4.1 R-CNN系列目标检测算法
4.2 基于Faster R-CNN行人部件检测算法
4.2.1 RPN(Region Proposal Networks)
4.2.2 网络结构
4.2.3 网络训练方式
4.3 基于R-FCN行人部件检测算法
4.3.1 位置敏感得分maps
4.3.2 位置敏感RoI池化
4.3.3 检测流程
4.4 行人部件检测网络设计和实验分析
4.4.1 行人部件检测网络设计
4.4.1 检测网络模型实验对比与分析
4.5 本章小结
第五章 基于深度学习的行人精细化识别
5.1 基于多任务学习的行人多属性分类
5.2 颜色属性分类
5.3 上衣、包分类
5.3.1 上衣属性分类
5.3.2 包属性分类
5.4 本章小结
第六章 监控视频运动目标检测及行人结构化描述系统
6.1 系统架构
6.2 系统展示
6.3 本章小结
7.1 论文总结
7.2 论文展望
参考文献
致谢
攻读硕士研究生期间研究成果