声明
第1章 绪论
1.1 选题背景与意义
1.2 国内外研究现状及发展趋势
1.3 本文的主要研究内容
1.4 论文的组织结构
第2章 相关技术
2.1 本章概述
2.2 基于深度学习的目标检测
2.2.1 目标检测常用术语
2.2.2 Faster R-CNN网络
2.2.3 FPN网络
2.2.4 DenseNet分类网络
2.3 图像拼接
2.3.1 特征提取
2.3.2 图像配准
2.3.3 单应矩阵
2.3.4 变形和融合
2.4 本章小结
第3章 基于FPN网络的类别级联目标检测网络
3.1 概述
3.2 基于FPN网络的类别级联目标检测网络
3.2.1 Faster R-CNN+FPN网络
3.2.2 DenseNet
3.2.3 类别级联目标检测网络结构
3.3 数据集分析
3.4 实验结果与分析
3.4.1 实验数据准备
3.4.2 主要超参设置
3.4.3 模型训练与使用
3.4.4 实验对比
3.5 本章小结
第4章 货架拼接
4.1 概述
4.2 目标检测技术与ORB融合特征
4.2.1 ORB特征提取
4.2.2 融合特征提取
4.2.3 消除误匹配点
4.3 货架拼接与商品融合
4.3.1 货架拼接
4.3.2 商品融合
4.4 实验结果与分析
4.5 本章小结
结论
参考文献
附录A 发表论文和参加科研情况说明
致谢
湖南大学;