声明
第一章绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 传统目标检测算法
1.2.2 基于深度学习的目标检测算法
1.3 研究目标和内容
1.4 结构安排
第二章基础理论与相关技术
2.1 卷积神经网络的基本结构
2.1.1 卷积层
2.1.2 池化层
2.1.3 全连接层
2.1.4 激活函数层
2.1.5 损失函数
2.2 网络学习过程
2.2.1 前向传播过程
2.2.2 反向传播过程
2.3 优化方法
(1) 批量梯度下降法
(2) 随机梯度下降法
(3) 动量梯度下降法
(4) 学习率自适应梯度下降法
2.4 常见的卷积神经网络模型
2.4.1 目标检测网络
2.4.2 图像分割网络
2.5 本章小结
第三章基于尺度优化的目标检测网络
3.1 基于区域建议的目标检测网络
3.1.1 图像预处理
3.1.2 特征提取模块
3.1.3 区域建议网络
3.1.4 语义分割与目标检测
3.1.5 损失函数
3.2 基于尺度优化的目标检测网络
3.2.1 基于识别目标尺度分析的优化策略
3.2.2 特征提取网络的尺度优化策略
3.2.3 非极大值抑制算法改进策略
3.3 迁移学习
3.4 本章小结
第四章实验过程和结果分析
4.1 实验环境
4.2 数据集准备与处理
4.2.1 原始数据采集
4.2.2 数据集制作
4.2.3 数据集处理
4.2.4 数据增广
4.3 评价标准
4.4 实验参数设置
4.5 实验过程和结果分析
4.6 本章小结
结论与展望
致 谢
参考文献
攻读硕士学位期间论文以及科研项目情况
西南交通大学;