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