声明
致 谢
第一章 绪论
1.1 研究背景与意义
1.2 目标检测算法研究现状
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目标检测算法面临的难点
1.4.1 本文主要工作
1.4.2 本文章节安排
第二章 相关理论与技术基础
2.1 卷积神经网络
2.1.1 神经网络
2.1.2 卷积神经网络
2.2 SSD目标检测算法
2.2.1 SSD特征提取
2.2.2 SSD的默认框机制及检测输出
2.2.3 SSD训练样本的选取
2.2.4 SSD的损失函数
2.2.5 SSD的NMS算法
2.3 目标检测常用数据集
2.3.1 ImageNet
2.3.2 PASCAL VOC
2.3.3 MS COCO
2.4 目标检测评价指标
第三章 基于语义强化与特征融合的目标检测器
3.1 研究动机
3.2 SF-Det模型设计
3.2.1 语义强化分支
3.2.2 特征融合模块
3.3.1 实现细节与参数设置
3.3.2 消融分析
3.3.3 定量分析
3.3.4 检测样例分析
3.4 本章小结
第四章 基于双向FPN与改进NMS算法的目标检测器
4.1 研究动机
4.2 双向FPN
4.3 改进的NMS算法
4.4 实验与分析
4.4.1 实现细节与参数设置
4.4.2 消融分析
4.4.3 定量分析
4.4.4 检测样例分析
4.4 本章小结
第五章 总结与展望
5.1 本文总结
5.2 未来展望
参考文献
攻读硕士学位期间的学术活动及成果情况
合肥工业大学;