|
|
|
基于多姿势的人物识别 |
|
论文目录 |
|
中文摘要 | 第3-4页 | Abstract | 第4-5页 | 第一章 绪论 | 第9-13页 | 1.1 研究的背景和意义 | 第9页 | 1.2 国内外研究现状 | 第9-10页 | 1.3 现有技术缺陷和不足 | 第10-11页 | 1.4 主要工作和论文结构 | 第11-13页 | 第二章 人物识别相关知识 | 第13-23页 | 2.1 人工神经网络 | 第13-15页 | 2.2 多姿势样本库 | 第15-16页 | 2.3 多姿势样本提取 | 第16-17页 | 2.4 特征提取 | 第17-18页 | 2.5 特征分类 | 第18-19页 | 2.6 本文总体框架 | 第19-22页 | 2.7 总结 | 第22-23页 | 第三章 多姿势样本提取 | 第23-39页 | 3.1 poselets算法 | 第23-24页 | 3.2 基于poselets的特定位置人物多姿势提取 | 第24页 | 3.3 poselets算法检测人物框 | 第24-25页 | 3.4 特定位置头部信息的人物框过滤模型 | 第25页 | 3.5 基于二分图最大权值匹配算法(P-BG算法) | 第25-29页 | 3.5.1 筛选结果排序 | 第25-26页 | 3.5.2 基于特定位置人物的二分图匹配 | 第26页 | 3.5.3 二分图 | 第26页 | 3.5.4 P-BG算法实现 | 第26-27页 | 3.5.5 P-BG算法实验结果 | 第27-29页 | 3.6 基于CNN特征和自然邻居流形排序的姿势提取算法(P-CMR算法) | 第29-36页 | 3.6.1 图像视觉特征提取 | 第30页 | 3.6.2 流形排序图像检索算法 | 第30-31页 | 3.6.3 自然邻居图 | 第31-32页 | 3.6.4 P-CMR算法实现 | 第32-33页 | 3.6.5 P-CMR算法实验结果 | 第33-36页 | 3.7 特定位置人物姿势提取 | 第36-37页 | 3.8 总结 | 第37-39页 | 第四章 特征提取 | 第39-50页 | 4.1 卷积神经网络 | 第40页 | 4.2 卷积神经网络结构 | 第40-44页 | 4.2.1 卷积 | 第40页 | 4.2.2 局部感受野 | 第40-41页 | 4.2.3 权值共享 | 第41-42页 | 4.2.4 子采样 | 第42页 | 4.2.5 卷积神经网络训练过程 | 第42-44页 | 4.3 AlexNet网络结构 | 第44页 | 4.4 VGGNet网络结构 | 第44-46页 | 4.5 姿势特征提取 | 第46-48页 | 4.5.1 caffe开源学习框架 | 第46-47页 | 4.5.2 CNN模型训练 | 第47-48页 | 4.5.3 CNN特征提取 | 第48页 | 4.6 实验结果 | 第48-49页 | 4.7 总结 | 第49-50页 | 第五章 基于多姿势特征的人物识别 | 第50-61页 | 5.1 支持向量机(SVM) | 第50-54页 | 5.1.1 最优超平面 | 第51页 | 5.1.2 间隔最大化 | 第51-53页 | 5.1.3 核函数 | 第53-54页 | 5.2 多分类线性SVM模型 | 第54-55页 | 5.3 稀疏填充 | 第55-56页 | 5.4 权重值计算和人物分类 | 第56-57页 | 5.5 实验结果 | 第57-60页 | 5.5.1 SVM模型实验结果 | 第57-58页 | 5.5.2 人物识别实验结果分析与比较 | 第58-60页 | 5.6 总结 | 第60-61页 | 结论 | 第61-63页 | 参考文献 | 第63-67页 | 致谢 | 第67-68页 | 个人简历 | 第68-69页 | 在学期间的研究成果及发表的学术论文 | 第69页 |
|
|
|
|
论文编号BS4062824,这篇论文共69页 会员购买按0.35元/页下载,共需支付24.15元。 直接购买按0.5元/页下载,共需要支付34.5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。 |
|
|