基于卷积神经网络的多尺度车辆检测算法研究

目录

第 1 章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 传统的目标检测方法

1.2.2 基于深度学习的目标检测方法

1.3 本文研究内容

1.4 本文结构安排

第 2 章 基于卷积神经网络的目标检测

2.1 卷积神经网络

2.1.1 网络结构

2.1.2 卷积层

2.1.3 池化层

2.1.4 全连接层

2.2 特征提取网络

2.2.1 VGGNet

2.2.2 GoogLeNet

2.2.3 ResNet

2.2.4 ResNeXt

2.3 Two Stage目标检测算法

2.3.1 Faster R-CNN

2.3.2 Mask R-CNN

2.3.3 Cascade R-CNN

2.4 One Stage目标检测算法

2.4.1 YOLO

2.4.2 SSD

2.4.3 YOLO v2

2.5 本章小结

第 3 章 基于多尺度的车辆检测算法

3.1 多尺度车辆检测框架

3.2 基于多尺度的车辆检测算法

3.2.1 网络结构

3.2.2 反卷积

3.2.3 均衡化模块

3.2.4 Non-local模块

3.3 实验结果与分析

3.3.1 数据集

3.3.2 评估指标

3.3.3 实验参数设置

3.3.4 实验结果

3.4 本章小结

第 4 章 车辆检测优化算法

4.1 候选框生成尺寸优化

4.1.1 K-means++算法

4.1.2 基于 K-means++改进候选框生成尺寸

4.2 训练策略优化

4.2.1 OHEM算法

4.2.2 IOU-Balanced算法

4.3 实验结果与分析

4.3.1 实验参数设置

4.3.2 实验结果

4.4 本章小结

第 5 章 总结与展望

5.1 工作总结

5.2 工作展望

参考文献

致谢

声明