声明
第 1 章绪 论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于人工特征的传统目标检测算法
1.2.2 基于深度学习方法的目标检测算法
1.3 论文研究内容及章节安排
第2 章基于深度学习的目标检测算法理论基础
2.1 引言
2.2 人工神经网络
2.2.1 人工神经元
2.2.2 多层感知机
2.3 卷积神经网络
2.3.1 卷积层
2.3.2 池化层
2.3.3 归一化层
2.3.4 非线性映射层
2.3.5 全连接层
2.4 残差网络
2.5 快速区域卷积神经网络
2.6 本章小结
第3 章引入细化多尺度深度特征的目标检测算法
3.1 特征金字塔结构
3.2 基于残差网络的 FPN算法结构
3.3 可变多尺度特征感知网络算法框架
3.4 特征提取网络
3.5 通道加空间压缩激励模块
3.5.1 通道压缩激励模块
3.5.2 空间压缩激励模块
3.6 可变多尺度特征融合模块
3.6.1 偏移采样模块
3.6.2 特征融合模块
3.7 本章小结
第4 章基于双向特征金字塔结构的DMFPN 算法
4.1 双向特征金字塔结构
4.2 注意力上采样模块
4.3 BN-IN联合归一化
4.3.1 批归一化
4.3.2 实例归一化
4.3.3 结合 BN-IN联合归一化的残差瓶颈模块
4.4 损失函数
4.5 非极大值抑制
4.6 本章小结
第5 章实验与结果分析
5.1 数据集介绍
5.2 评价标准
5.3 实验细节说明
5.4 实验结果与分析
5.4.1 训练损失及精度曲线对比
5.4.2 客观评价指标对比
5.5 主观评价方法
5.6 本章小结
结 论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致 谢
燕山大学;