声明
第一章绪论
1.1.1 研究背景
1.1.2 研究意义
1.2.1 基于手工设计特征的行人检测方法
1.2.2 基于卷积神经网络的行人检测方法
1.2.3 问题与不足
1.3 本文的主要工作及贡献
1.4 本文的结构安排
第二章行人检测相关知识
2.1 行人检测的目标与流程
2.2.1 行人检测评价标准
2.2.2 INRIA行人数据集
2.2.3 Caltech 行人数据集
2.2.4 CityPersons行人数据集
2.3.1 卷积神经网络
2.3.2 循环神经网络
2.3.3 注意力机制
2.3.4 神经网络中的优化方法
2.4 本章小结
第三章基于多尺度特征挖掘的行人检测方法
3.1 引言
3.2.1 模型概述
3.2.2 行人特征学习
3.2.3 行人定位
3.2.4 后处理
3.3 实验结果及分析
3.3.1 实现细节
3.3.2 检测结果分析
3.3.3 分析讨论
3.4 本章小结
第四章基于图像分割技术的行人检测方法
4.1 引言
4.2 基于图像分割技术的检测模型
4.2.1 模型叙述
4.2.2 模型训练
4.3 实验结果及分析
4.3.1 实现细节
4.3.2 检测结果分析
4.4 本章小结
第五章基于注意力引导机制的行人检测方法
5.1 引言
5.2.1 模型概述
5.2.2 注意力引导神经网络模型(AGNN)
5.2.3 注意力网络
5.2.4 行人检测模型
5.3 实验结果及分析
5.3.1 实现细节
5.3.2 检测结果分析
5.3.3 消融研究
5.4 本章小结
第六章行人检测系统设计与实现
6.1 可行性分析
6.2 需求分析
6.2.1 系统总体功能概述
6.2.2 功能性需求
6.2.3 非功能性需求
6.3 行人检测系统设计
6.3.1 系统整体架构设计
6.3.2 客户端设计
6.3.3 服务端设计
6.3.4 数据库设计
6.4 开发工具
6.5.1 部署环境
6.5.2 具体实现
6.6 系统测试
6.6.1 功能测试
6.6.2 性能测试
6.6.3 压力测试
6.7 本章小结
第七章结束语
7.1 本文工作总结
7.2 后续工作展望
致谢
参考文献
攻读硕士研究生期间参研项目与研究成果
电子科技大学;