声明
致谢
摘要
序言
1 绪论
1.1 似物性采样的概念
1.2 性能指标
1.3 现有算法的分析与比较
1.3.1 算法分析
1.3.2 缺陷与不足
1.4 研究内容和创新成果
1.4.1 研究内容
1.4.2 创新成果
2 基于量化搜索的显著性检测
2.1 具体算法
2.1.1 梯度值与物体的关系
2.1.2 量化的搜索策略
2.1.3 基于级联支持向量机的线性模型
2.2 实验结果与分析
2.3 本章小结
3 多窗口的似物性估计与自适应
3.1 边缘信息与物体的关系
3.2 边缘检测
3.3 似物性估计
3.3.1 边缘预处理
3.3.2 边缘路径分析
3.3.3 窗口似物性估计
3.4 窗口优化
3.4.1 窗口自适应
3.4.2 非极大值抑制的窗口筛选
3.5 实验结果与分析
3.5.1 参数变化
3.5.2 与其他似物性采样算法的指标比较
3.6 本章小结
4 自适应多窗口算法在物体检测中的应用
4.1 物体检测算法的选择
4.2 与Fast RCNN算法的结合应用
4.2.1 Fast RCNN的配置与编译
4.2.2 修改读写接口
4.3 检测结果分析
5 结论
5.1 全文工作总结
5.2 未来工作展望
参考文献
图索引
作者简历及攻读硕士/博士学位期间取得的研究成果
学位论文数据集