基于深度学习的监控场景目标检测算法研究与应用

目录

声明

致谢

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

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 论文主要研究内容

1.4 论文章节安排

第2章目标检测精度提升算法

2.1 引言

2.2 多尺寸目标检测

2.2.1 图像金字塔和特征金字塔的结合

2.2.2 基于多尺寸感受野的改进算法

2.2.3 多尺度训练与测试

2.2.4 实验验证分析

2.3 去遮挡检测

2.3.1 基于改进损失函数去遮挡

2.3.2 改进非极大值抑制函数

2.3.3 实验验证分析

2.4 运动模糊复原

2.4.1 基于帧差法去运动模糊

2.4.2 实验验证分析

2.5 样本不均衡改进

2.5.1 改进损失函数

2.5.2 实验验证对比

2.6 本章小结

第3章目标检测速度提升算法

3.1 引言

3.2 轻量化骨干网络

3.2.1 基于深度可分离卷积的轻量级网络

3.2.2 基于群卷积的轻量级网络

3.2.3 基于分解卷积的轻量级网络

3.2.4 实验验证分析

3.3 基于帧差法的神经网络结构

3.3.1 稀疏矩阵乘法加速

3.3.2 帧差神经网络

3.3.3 实验验证分析

3.4 图像灰度化及合并归一化层

3.4.1 图像灰度化

3.4.2 合并归一化层原理

3.4.3 实验分析对比

3.5 本章小结

第4章 基于目标检测改进算法的监控系统

4.1 目标检测改进算法网络结构

4.1.1 网络结构分析

4.1.2 激活函数

4.1.3 损失函数

4.2 模型训练与调优

4.2.1 随机裁剪拼接

4.2.2 多尺度图像分块训练

4.3 系统方案设计

4.3.1 视频采集处理模块

4.3.2 图像预处理模块

4.3.3 实时检测模块

4.4 实验结果与分析

4.5 本章小结

第5章 总结与展望

5.1 本文总结

5.2 未来展望

参考文献

个人简历、攻读硕士学位期间主要成果