|
|
|
|
基于深度学习的视频监控中行人重识别问题研究 |
| |
| 论文目录 |
| |
| 摘要 | 第4-5页 | | Abstract | 第5-6页 | | 第1章 绪论 | 第9-24页 | | 1.1 研究背景及意义 | 第9-12页 | | 1.1.1 研究背景 | 第9-11页 | | 1.1.2 研究意义 | 第11-12页 | | 1.2 国内外研究现状 | 第12-19页 | | 1.2.1 基于特征描述的研究 | 第14-15页 | | 1.2.2 基于度量学习的研究 | 第15-16页 | | 1.2.3 基于深度学习的研究 | 第16-19页 | | 1.2.4 行人重识别常用数据集 | 第19页 | | 1.3 主要问题与挑战 | 第19-21页 | | 1.4 论文组织架构 | 第21-23页 | | 1.5 本章小结 | 第23-24页 | | 第2章 相关理论基础 | 第24-38页 | | 2.1 深层神经网络 | 第24-26页 | | 2.2 卷积神经网络 | 第26-35页 | | 2.2.1 卷积神经网络模型 | 第26-29页 | | 2.2.2 卷积神经网络的训练过程 | 第29-31页 | | 2.2.3 经典的卷积神经网模型 | 第31-35页 | | 2.3 长短时记忆网络 | 第35-36页 | | 2.4 行人重识别评价标准 | 第36-37页 | | 2.5 本章小结 | 第37-38页 | | 第3章 基于特征融合与深度集成网络的行人重识别 | 第38-52页 | | 3.1 问题提出 | 第38-39页 | | 3.1.1 解决的问题 | 第38页 | | 3.1.2 本章主要工作 | 第38-39页 | | 3.2 FF-DEN算法模型 | 第39-43页 | | 3.2.1 特征提取 | 第40-41页 | | 3.2.2 特征融合 | 第41-42页 | | 3.2.3 集成学习 | 第42-43页 | | 3.3 实验及结果分析 | 第43-51页 | | 3.3.1 实验数据及设置 | 第43-44页 | | 3.3.2 实验结果分析 | 第44-51页 | | 3.4 本章小结 | 第51-52页 | | 第4章 基于多层语义的视觉注意力网络行人重识别 | 第52-64页 | | 4.1 问题提出 | 第52-53页 | | 4.1.1 解决的问题 | 第52页 | | 4.1.2 本章主要工作 | 第52-53页 | | 4.2 VAN-MSF算法模型 | 第53-57页 | | 4.2.1 特征金字塔网络 | 第53-54页 | | 4.2.2 视觉注意力网络 | 第54-56页 | | 4.2.3 VAN-MSF网络 | 第56-57页 | | 4.3 实验及结果分析 | 第57-63页 | | 4.3.1 实验数据及设置 | 第58页 | | 4.3.2 实验结果分析 | 第58-63页 | | 4.4 本章小结 | 第63-64页 | | 第5章 基于端到端的行人重识别原型系统 | 第64-71页 | | 5.1 端到端的行人重识别 | 第64-65页 | | 5.2 系统模型 | 第65页 | | 5.3 系统设计与实现 | 第65-70页 | | 5.3.1 系统设计 | 第65-67页 | | 5.3.2 系统原型实现 | 第67-70页 | | 5.4 本章小结 | 第70-71页 | | 第6章 总结与展望 | 第71-73页 | | 6.1 总结 | 第71-72页 | | 6.2 展望 | 第72-73页 | | 参考文献 | 第73-79页 | | 图清单 | 第79-81页 | | 表清单 | 第81-82页 | | 攻读硕士学位期间参加的科研项目与发表的学术论文 | 第82-83页 | | 致谢 | 第83页 |
|
|
|
|
论文编号BS4422814，这篇论文共83页
会员购买按0.35元/页下载，共需支付29.05元。 直接购买按0.5元/页下载，共需要支付41.5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