声明
1 绪论
1.1 研究背景及意义
1.2 研究内容和发展现状
1.3 深度学习及其计算平台的发展
1.4 本课题研究的主要问题及主要工作
1.5 本文的任务和结构安排
2 相机标定
2.1 坐标系和坐标系变换
2.2 相机成像模型
2.3 张正友标定算法
2.4 标定实验
2.5 本章小节
3 PnP算法原理及求解方式
3.1 PnP问题的定义和发展
3.2 PnP问题的类别和解法
3.3 直接线性变换(DLT)
3.4 P3P法
3.4.1 2D?3D到3D?3D的转换
3.4.2 SVD法
3.4.3 非线性优化方法
3.4.4 Bundle Adjustment
3.5 本章小结
4 计算机视觉领域的深度学习基础
4.1 卷积层
4.2 池化层
4.3 激活函数
4.4 批正则化
4.5 卷积神经网络的发展
4.6 本章小节
5目标检测
5.1 目标检测的发展
5.2 基于深度学习的目标检测
5.2.1 基于深度学习的目标检测分类
5.2.2 Faster RCNN
5.2.3 YOLO
5.2.4 YOLOv2
5.3 目标检测常见改进方法
5.3.1 加权损失函数
5.3.2 OHEM
5.3.3 Focal Loss
5.3.4 多尺度训练
5.3.5 迁移学习
5.4 本章小结
6 基于无人机平台的实物实验
6.1 实验目的
6.2 实验器材
6.3 实验数据说明
6.4 实验设计
6.4.1 预训练数据集
6.4.2 评价指标
6.5 实验结果和分析
6.5.1 原始模型实验结果分析
6.5.2 YOLOv2 改进和实验结果
6.5.3 Faster RCNN改进和实验结果
6.5.4 简化模型的设计和实验结果
6.5.5 定位实验结果
6.6 本章小结
7 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
附录
南京理工大学;