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
南昌航空大学;