第一个书签之前
摘 要
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 深度学习的研究现状
1.2.2 视频目标检测的研究现状
1.3 本文的主要内容
第二章 基于深度学习的目标检测模型研究
2.1 卷积神经网络基本原理
2.2 常用的CNN网络结构
2.2.1 ZF网络结构
2.2.2 VGG网络结构
2.2.3 ResNet网络结构
2.3 典型的基于深度学习的目标检测模型
2.3.1 基于区域建议的检测算法
2.3.2 基于回归的检测模型结构
2.3.3 SSD模型的训练过程
2.4 本章小结
第三章 深度学习数据集的建立
3.1 数据采集
3.1.1 通用数据集分析
3.1.2 人工采集数据集
3.1.3 虚拟合成数据集
3.2 数据标注
3.2.1 标注工具
3.2.2 标注类别的选取
3.2.3 标注规则的制定
3.3 数据增广
3.3.1 样本扩充的方法
3.3.2 数据均衡问题
3.4 本章小结
第四章 模型的训练与测试分析
4.1 深度学习的配置环境
4.1.1 训练网络的硬件环境
4.1.2 训练网络的软件环境
4.2 网络训练与评价指标
4.2.1 训练SSD模型的主要工作
4.2.2 训练网络的损失函数
4.2.3 模型的评价指标
4.3 数据集对网络训练影响分析
4.3.1 通用数据集的模型训练
4.3.2 SSMCAR数据集的模型训练
4.4 不同基础模型对网络训练影响分析
4.4.1 低分辨率输入下的模型训练
4.4.2 标准输入下的模型训练
4.5 Fine-tuning及调参优化
4.5.1 训练网络的学习率调节
4.5.2 训练网络的输入优化
4.5.3 局部ROI区域增强
4.6 本章小结
第五章 基于深度学习目标检测的交通视频分析系统
5.1 系统的总体设计方案
5.2 车辆目标的检测与分类
5.3 车辆目标跟踪
5.3.1 目标匹配与数据关联算法
5.3.2 基于核相关滤波器的目标跟踪
5.3.3 基于目标轨迹的车型分类计数
5.4 异常事件分析
5.5 本章小结
总结与展望
参考文献
攻读学位期间取得的研究成果
致 谢
长安大学;
