声明
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 传统人体行为检测技术
1.2.2 基于深度学习的人体行为检测技术
1.3 本文研究的主要内容及章节安排
1.3.1 本论文研究内容
1.3.2 本论文章节安排
第2章 网络模型技术研究
2.1 卷进神经网络结构
2.1.1 卷积操作
2.1.2 激活函数
2.1.3 BatchNormalization 层
2.1.4 池化层
2.1.5 全连接层
2.2 卷积神经网络训练过程
2.3 YOLOv3 目标检测算法
2.3.1 Darknet-53特征提取网络
2.3.2 YOLOv3 目标检测实现
2.4 本章小结
第3章 基于注意力模型的YOLOv3 行为检测算法
3.1 注意力机制
3.1.1 空间注意力模型
3.1.2 通道注意力模型
3.1.3 混合注意力模型
3.2 改进后的Darknet-53特征提取网络
3.2.1 注意力模型设计
3.2.2 改进后的Darknet网络
3.3 人体行为检测过程
3.4.1 实验数据集介绍
3.4.2 人体行为检测评价指标
3.4.3 Attention-Darknet模型实验结果分析
3.5 本章小结
第4章 基于改进YOLOv3 的细粒度行为检测模型
4.1 基于深度学习的细粒度图像分类算法
4.1.1 基于强监督的细粒度图像分类算法
4.1.2 基于弱监督的细粒度图像分类算法
4.2 HB-YOLOv3 网络模型构建
4.2.1 改进后的Hierarchical Bilinear Pooling网络模型
4.2.2 改进后的YOLOv3网络模型
4.3 HB-YOLOv3 网络损失函数设计
4.4 实验结果及分析
4.5 本章小结
第5章 人体行为检测系统设计与实现
5.1 系统整体框架
5.2 服务器端功能设计与实现
5.3 客户端功能设计与实现
5.4 本章小结
总结与展望
致 谢
参考文献
攻读硕士学位期间发表的论文及科研成果
西南交通大学;