|
|
|
|
基于深度学习的航拍车辆实时检测方法 |
| |
| 论文目录 |
| |
| 摘要 | 第5-6页 | | ABSTRACT | 第6-7页 | | 符号对照表 | 第11-12页 | | 缩略语对照表 | 第12-15页 | | 第一章 绪论 | 第15-23页 | | 1.1 研究背景及意义 | 第15-16页 | | 1.2 国内外研究现状 | 第16-19页 | | 1.2.1 目标检测研究现状 | 第16-18页 | | 1.2.2 航拍车辆检测研究现状 | 第18-19页 | | 1.3 论文研究内容及技术难点 | 第19-20页 | | 1.3.1 研究内容 | 第19-20页 | | 1.3.2 技术难点 | 第20页 | | 1.4 论文组织结构 | 第20-23页 | | 第二章 基于深度学习的航拍目标检测 | 第23-37页 | | 2.1 目标检测经典算法 | 第23-28页 | | 2.1.1 Two-Stage（两级）目标检测算法 | 第23-26页 | | 2.1.2 Single-Shot（一次性）目标检测算法 | 第26-28页 | | 2.2 目标检测关键问题 | 第28-33页 | | 2.2.1 卷积神经网络实际感受域分析 | 第28-30页 | | 2.2.2 设置合适的默认候选框 | 第30-31页 | | 2.2.3 结合上下文信息 | 第31-33页 | | 2.3 航拍车辆检测算法 | 第33-35页 | | 2.3.1 基于Two-Stage目标检测算法的航拍车辆检测 | 第33-34页 | | 2.3.2 基于Single-Shot目标检测算法的航拍车辆检测 | 第34-35页 | | 2.4 本章小结 | 第35-37页 | | 第三章 基于多尺度特征融合的航拍车辆检测算法 | 第37-59页 | | 3.1 航拍车辆检测模型设计 | 第37-41页 | | 3.1.1 特征提取网络 | 第37-38页 | | 3.1.2 基本检测网络的搭建 | 第38-40页 | | 3.1.3 针对航拍车辆目标的模型优化 | 第40-41页 | | 3.2 默认候选框的设置 | 第41-46页 | | 3.2.1 航拍数据集分布 | 第41-43页 | | 3.2.2 实际感受域与区域候选框设置的关系 | 第43-46页 | | 3.3 多尺度特征融合 | 第46-50页 | | 3.3.1 特征金字塔 | 第46-48页 | | 3.3.2 特征融合模块设计 | 第48-49页 | | 3.3.3 特征融合原理分析 | 第49-50页 | | 3.4 实验结果及分析 | 第50-56页 | | 3.4.1 实验环境及数据集 | 第50-53页 | | 3.4.2 训练过程 | 第53-55页 | | 3.4.3 实验结果与分析 | 第55-56页 | | 3.5 本章小结 | 第56-59页 | | 第四章 航拍难易样本平衡策略 | 第59-73页 | | 4.1 航拍难易样本不均衡问题 | 第59-62页 | | 4.1.1 特征学习的难易程度不均衡 | 第59-61页 | | 4.1.2 正样本各类别数量不均衡 | 第61-62页 | | 4.2 基于多损失函数交替训练的样本平衡策略 | 第62-67页 | | 4.2.1 交叉熵损失函数 | 第62-64页 | | 4.2.2 焦点损失函数 | 第64-66页 | | 4.2.3 多损失函数交替优化 | 第66-67页 | | 4.3 实验结果及分析 | 第67-70页 | | 4.3.1 焦点损失函数实验 | 第67-68页 | | 4.3.2 多损失函数交替训练实验 | 第68-70页 | | 4.4 本章小结 | 第70-73页 | | 第五章 总结与展望 | 第73-75页 | | 5.1 工作总结 | 第73页 | | 5.2 工作展望 | 第73-75页 | | 参考文献 | 第75-79页 | | 致谢 | 第79-81页 | | 作者简介 | 第81-82页 |
|
|
|
|
论文编号BS4014601，这篇论文共82页
会员购买按0.35元/页下载，共需支付28.7元。 直接购买按0.5元/页下载，共需要支付41元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务