|
|
|
|
基于深度学习的无人机航拍图像目标检测 |
| |
| 论文目录 |
| |
| 摘要 | 第4-5页 | | Abstract | 第5-6页 | | 第一章 绪论 | 第11-21页 | | 1.1 研究背景和意义 | 第11-13页 | | 1.2 国内外研究现状 | 第13-18页 | | 1.2.1 目标检测技术研究现状 | 第13-17页 | | 1.2.2 无人机目标检测系统研究现状 | 第17-18页 | | 1.3 本文主要研究内容 | 第18-19页 | | 1.4 本文结构安排 | 第19-21页 | | 第二章 目标检测相关技术综述 | 第21-39页 | | 2.1 传统的目标检测算法 | 第21-23页 | | 2.2 Two-stage的目标检测算法 | 第23-28页 | | 2.2.1 R-CNN算法概述 | 第23-24页 | | 2.2.2 Fast R-CNN算法概述 | 第24-26页 | | 2.2.3 Faster R-CNN算法概述 | 第26-28页 | | 2.3 One-stage的目标检测算法 | 第28-29页 | | 2.4 注意力机制 | 第29-31页 | | 2.4.1 空间维度的注意力机制 | 第30页 | | 2.4.2 通道维度的注意力机制 | 第30-31页 | | 2.5 检测框的合并策略 | 第31-33页 | | 2.5.1 传统的NMS算法 | 第32页 | | 2.5.2 Soft-NMS算法 | 第32-33页 | | 2.6 公共数据集 | 第33-36页 | | 2.7 目标检测性能的评价指标 | 第36-38页 | | 2.8 本章小结 | 第38-39页 | | 第三章 改进的Faster R-CNN目标检测算法 | 第39-51页 | | 3.1 引入动机 | 第39页 | | 3.2 卷积方式 | 第39-43页 | | 3.2.1 传统卷积 | 第40页 | | 3.2.2 空洞卷积 | 第40-41页 | | 3.2.3 可形变卷积 | 第41-43页 | | 3.3 算法框架 | 第43-46页 | | 3.4 实验 | 第46-50页 | | 3.5 本章小结 | 第50-51页 | | 第四章 基于混合注意力机制的Faster R-CNN算法 | 第51-61页 | | 4.1 引入动机 | 第51-52页 | | 4.2 算法框架 | 第52-57页 | | 4.2.1 RPN | 第53-54页 | | 4.2.2 分类与回归子网络 | 第54-57页 | | 4.3 实验 | 第57-59页 | | 4.3.1 混合注意力模块 | 第57-58页 | | 4.3.2 HAM-Fas ter-RCNN | 第58-59页 | | 4.4 本章小结 | 第59-61页 | | 第五章 目标检测模型融合方法 | 第61-69页 | | 5.1 引入动机 | 第61页 | | 5.2 算法框架 | 第61-62页 | | 5.3 实验 | 第62-67页 | | 5.3.1 实验数据以及实验参数 | 第63页 | | 5.3.2 实验结果 | 第63-67页 | | 5.4 本章小结 | 第67-69页 | | 第六章 总结与展望 | 第69-73页 | | 6.1 本文工作内容 | 第69-70页 | | 6.2 未来工作展望 | 第70-73页 | | 参考文献 | 第73-79页 | | 附录 | 第79-85页 | | 致谢 | 第85页 |
|
|
|
|
论文编号BS4602680，这篇论文共85页
会员购买按0.35元/页下载，共需支付29.75元。 直接购买按0.5元/页下载，共需要支付42.5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