摘要
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 本文的主要工作
第二章 基于深度卷积神经网络的特征学习及其在目标识别中的应用
2.1 人工神经网络概述
2.2 卷积神经网络(Convolutional Neural Networks,CNNs)
2.2.1 卷积(Convolution)
2.2.2 下采样(Pooling)
2.2.3 网络的训练与学习
2.3 深度卷积神经网络在目标识别中的应用
第三章 基于深度卷积神经网络的迁移学习算法(CNNs-TL)
3.1 引言
3.2 迁移学习(Transfer Learning)
3.3 Caffe深度学习框架
3.4 基于深度卷积神经网络的迁移学习系统实现
3.4.1 基于ImageNet数据库的网络预训练
3.4.2 网络迁移实现
第四章 基于局部保持投影滤波器的深度学习框架(LPP-DL)
4.1 引言
4.2 局部保持投影算法(Locality Preserving Projection,LPP)
4.2.1 局部保持投影算法简介
4.2.2 局部保持投影算法实现
4.3 局部保持投影滤波器
4.4 基于局部保持投影滤波器的深度卷积神经网络系统实现
第五章 多摄像机协作监控目标识别系统构建与性能分析
5.1 数据库和实验环境
5.2 CNNs-TL多摄像机协作目标识别系统
5.2.1 训练样本个数对微调性能的影响
5.2.2 摄像机跨域识别性能
5.3 LPP-DL多摄像机协作目标识别系统
5.3.1 卷积滤波器个数及下采样层数对特征维度的影晌
5.3.2 下采样层数对网络性能的影响
5.3.3 卷积滤波器个数对网络性能的影响
5.3.4 训练样本个数对网络性能的影响
5.3.5 摄像机跨域识别性能
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
在校期间研究成果
致谢
声明