|
|
|
基于迁移学习的多类物体识别与检测 |
|
论文目录 |
|
摘要 | 第4-5页 | ABSTRACT | 第5-6页 | 主要符号表 | 第12-16页 | 1 绪论 | 第16-27页 | 1.1 研究背景与意义 | 第16-17页 | 1.2 国内外相关工作研究进展 | 第17-25页 | 1.2.1 迁移学习理论的研究现状 | 第17-23页 | 1.2.2 基于迁移学习的物体识别研究进展 | 第23-24页 | 1.2.3 基于迁移学习的物体检测研究进展 | 第24-25页 | 1.3 本文的组织结构 | 第25-27页 | 2 基于人工合成实例迁移学习的类不平衡物体识别 | 第27-59页 | 2.1 研究问题及解决思路 | 第27-29页 | 2.2 基于人工合成实例的迁移学习 | 第29-38页 | 2.2.1 TrAdaboost算法回顾 | 第29-31页 | 2.2.2 加权人工合成实例算法WSMOTE的设计与实现 | 第31-36页 | 2.2.3 人工合成实例迁移学习算法的实现 | 第36页 | 2.2.4 算法计算效率的讨论 | 第36-38页 | 2.3 实验结果与数据分析 | 第38-58页 | 2.3.1 实验数据集 | 第38-39页 | 2.3.2 特征提取和编码 | 第39-40页 | 2.3.3 实验结果 | 第40-45页 | 2.3.4 对比实验及结果分析 | 第45-58页 | 2.4 小结 | 第58-59页 | 3 基于在线特征变换的跨领域多类物体识别 | 第59-96页 | 3.1 研究问题及解决思路 | 第59-61页 | 3.2 在线线性特征变换学习 | 第61-70页 | 3.2.1 问题的描述 | 第61-62页 | 3.2.2 生成跨领域约束 | 第62页 | 3.2.3 最优化方法求解 | 第62-66页 | 3.2.4 损失边界的理论分析 | 第66-70页 | 3.3 在线非线性特征变换学习 | 第70-81页 | 3.3.1 在线单核特征变换 | 第70-72页 | 3.3.2 在线多核特征变换 | 第72-74页 | 3.3.3 损失边界的理论分析 | 第74-81页 | 3.3.4 算法时间复杂度 | 第81页 | 3.4 实验结果与数据分析 | 第81-95页 | 3.4.1 实验数据集 | 第81页 | 3.4.2 特征提取和编码 | 第81-82页 | 3.4.3 核函数 | 第82页 | 3.4.4 实验结果 | 第82-89页 | 3.4.5 对比实验与结果分析 | 第89-95页 | 3.5 小结 | 第95-96页 | 4 基于微调卷积神经网络模型集成的跨领域多类物体识别 | 第96-110页 | 4.1 研究问题及解决思路 | 第96-97页 | 4.2 微调卷积神经网络模型集成 | 第97-104页 | 4.2.1 跨领域物体识别的CNN模型体系结构的设计 | 第97-99页 | 4.2.2 微调CNN模型的训练 | 第99-101页 | 4.2.3 CNN模型的集成 | 第101-103页 | 4.2.4 CNN模型的集成预测 | 第103-104页 | 4.3 实验结果与数据分析 | 第104-109页 | 4.3.1 实验数据集 | 第104页 | 4.3.2 模型训练设置 | 第104-105页 | 4.3.3 实验结果 | 第105-109页 | 4.4 小结 | 第109-110页 | 5 基于共享BA图碎片特征的多类物体检测 | 第110-138页 | 5.1 研究问题及解决思路 | 第110-113页 | 5.2 基于共享特征和再分类的物体检测 | 第113-121页 | 5.2.1 共享特征的JointBoost算法 | 第113-118页 | 5.2.2 多类多视角的三维物体检测 | 第118-119页 | 5.2.3 基于RUS-SMOTEboost算法的再分类 | 第119-121页 | 5.3 实验结果与数据分析 | 第121-137页 | 5.3.1 实验数据集 | 第121-122页 | 5.3.2 特征提取和编码 | 第122-124页 | 5.3.3 实验结果 | 第124-137页 | 5.4 小结 | 第137-138页 | 6 结论与展望 | 第138-141页 | 6.1 结论 | 第138-139页 | 6.2 创新点 | 第139-140页 | 6.3 展望 | 第140-141页 | 参考文献 | 第141-152页 | 攻读博士学位期间科研项目及科研成果 | 第152-153页 | 致谢 | 第153-154页 | 作者简介 | 第154页 |
|
|
|
|
论文编号BS3242066,这篇论文共154页 会员购买按0.35元/页下载,共需支付53.9元。 直接购买按0.5元/页下载,共需要支付77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。 |
|
|