面向道路场景的行人检测深度方法研究

目录

声明

第一章 绪论

1.1 课题背景与研究意义

1.2 国内外研究现状

1.2.1 基于两阶段的行人检测深度方法

1.2.2 基于单阶段的行人检测深度方法

1.2.3 多尺度行人检测

1.3 数据集及评价指标

1.4 研究内容及论文结构

第二章 引入MSFF和MSRF策略的两阶段行人检测方法

2.1 多尺度特征融合原理

2.1.1 结合多尺度特征融合的行人检测方法

2.1.2 模型设计细节

2.2 RPN多感受野扩充

2.2.1 RPN 网络结构

2.2.2 多感受野RPN 的模型设计

2.3 损失函数和训练方法

2.4 实验结果分析

2.4.1 数据准备与训练

2.4.2 对比实验分析

2.4.3 实验结果分析

2.5 本章小结

第三章 引入注意力机制的Adapted RetinaNet 行人检测方法

3.1 注意力机制

3.1.1 CBAM 模块原理

3.1.2 基于CBAM 的RetinaNet 行人检测网络

3.2 深度学习归一化

3.2.1 基于GN 的 RetinaNet 行人检测网络

3.3 损失函数

3.3.1 DIoU Loss

3.4 实验结果与分析

3.4.1 对比实验分析

3.4.2 实验效果分析

3.5 本章小结

第四章 引入Oversampling 和Copy-Pasting 数据增广策略的行人检测方法

4.1 小目标检测困难的原因

4.2 基于数据增广的行人检测方法

4.3 实验结果与分析

4.3.1 数据集的准备

4.3.2 数据增广对两种行人检测方法的结果分析

4.4 本章小结

第五章 总结与展望

5.1 全文总结

5.2 研究展望

参考文献

附录1 攻读硕士学位期间发表的论文

附录2攻读硕士学位期间参加的科研项目

致谢