声明
致谢
摘要
第一章绪论
1．1研究背景和意义
1．2相关研究现状
1．2．1基于RGB-D图像的物体检测
1．2．2基于RGB图像的物体检测
1．2．3无监督的域自适应
1．3本文研究内容
1．4本文结构安排
第二章室内基于RGB-D图像的快速物体检测
2．2卷积神经网络VGG-16
2．3一阶段快速物体检测网络3D-SSD
2．3．1分层级特征融合
2．3．2多层武物体预测
2．3．3训练策略
2．4实验结果与分析
2．4．1 评估准则
2．4．2与现有方法对比
2．4．3模型分析
2．5本章小结
第三章室外基于RGB图像的快速物体检测
3．1概述
3．2二阶段物体检测网络Faster R-CNN
3．2．1候选框生成网络
3．2．2快速区域卷积网络
3．3对Faster R-CNN的优化和模型训练
3．3．1对Faster R-CNN的优化
3．3．2模型训练
3．4网络压缩和加速
3．4．1特征提取器的压缩
3．4．2候选框生成和快速区域卷积网络的加速
3．5实验结果与分析
3．5．1公共数据集测试
3．5．2模型分析
3．5．3公路实测效果
3．6本章小结
第四章物体检测的域自适应
4．1概述
4．2物体检测的域自适应框架
4．3无监督的域自适应
4．3．1特征层面上的域自适应
4．3．2像素层面上的域自适应
4．3．3迭代优化
4．4实验结果与分析
4．4．1实验结果
4．4．2模型分析
4．5本章小结
第五章总结与展望
5．1总结
5．2展望
参考文献
攻读学位期间取得的研究成果
