基于改进YOLOv3的果园行人检测方法研究

目录

声明

第1章 绪论

1.1 选题背景及研究意义

1.2 国内外研究现状

1.3 主要研究内容

第2章 目标检测算法

2.1 传统目标检测算法

2.1.1 传统目标检测算法原理

2.1.2 传统目标检测器

2.2 基于深度学习的目标检测算法

2.2.1 两阶段目标检测算法

2.2.2 单阶段目标检测算法

2.3 YOLO系列算法

2.3.1 YOLOv1算法

2.3.2 YOLOv2算法

2.3.3 YOLOv3算法

2.4 YOLOv3与主流算法的比较

2.5 本章小结

第3章 改进的YOLOv3行人检测算法

3.1 ResNet网络

3.1.1残差学习

3.1.2 ResNet50网络

3.2 可变形卷积

3.2.1 DCNv2的优点

3.2.2 可变形卷积实验结果

3.3 正则化

3.3.1 DropBlock的优点

3.3.2 正则化实验结果

3.4 本章小结

第4章 实验及结果分析

4.1 实验平台

4.2 图像数据集

4.3 数据预处理

4.3 模型训练

4.4 结果与分析

4.4.1评价指标

4.4.2阈值对检测结果的影响

4.4.3交并比（IOU）

4.4.4损失函数

4.4.5 不同状态模型识别结果

4.4.6 结论

第5章 总结展望

5.1 全文总结

5.2 研究展望

参考文献

致谢

攻读硕士期间取得的成果