|
|
|
基于深度卷积网络的人车检测及跟踪算法研究 |
|
论文目录 |
|
摘要 | 第5-7页 | ABSTRACT | 第7-8页 | 第一章 绪论 | 第11-19页 | 1.1 研究背景和意义 | 第11-12页 | 1.2 国内外研究现状 | 第12-16页 | 1.2.1 目标检测方法的研究现状 | 第12-14页 | 1.2.2 目标跟踪方法的研究现状 | 第14-16页 | 1.3 论文主要内容及结构安排 | 第16-19页 | 1.3.1 论文的主要内容 | 第16-18页 | 1.3.2 论文的结构安排 | 第18-19页 | 第二章 目标检测与跟踪方法相关理论 | 第19-27页 | 2.1 目标检测方法概述 | 第19-22页 | 2.1.1 两阶段法检测原理 | 第19-20页 | 2.1.2 一阶段法检测原理 | 第20页 | 2.1.3 特征金字塔网络原理 | 第20-21页 | 2.1.4 非极大值抑制原理 | 第21-22页 | 2.2 相关滤波跟踪方法概述 | 第22-24页 | 2.2.1 相关滤波跟踪原理 | 第22-23页 | 2.2.2 基于连续卷积算子的相关滤波跟踪 | 第23-24页 | 2.3 孪生网络跟踪方法概述 | 第24-26页 | 2.3.1 孪生网络跟踪器 | 第24-25页 | 2.3.2 结合相关滤波的孪生网络跟踪器 | 第25-26页 | 2.4 本章小结 | 第26-27页 | 第三章 基于实例分割的人车检测方法研究 | 第27-37页 | 3.1 研究动机 | 第27页 | 3.2 基于MaskRCNN的目标检测算法 | 第27-30页 | 3.2.1 MaskRCNN原理 | 第27-29页 | 3.2.2 多尺度裁切训练和多尺度测试 | 第29-30页 | 3.3 实验设计 | 第30-33页 | 3.3.1 验证标准 | 第30-32页 | 3.3.2 完成细节 | 第32-33页 | 3.4 实验结果 | 第33-35页 | 3.4.1 结果展示 | 第33-35页 | 3.5 本章小结 | 第35-37页 | 第四章 基于孪生网络的人车目标跟踪方法研究 | 第37-47页 | 4.1 研究动机 | 第37-38页 | 4.2 基于孪生方法的目标跟踪方法 | 第38-42页 | 4.2.1 特征提取方法 | 第38-39页 | 4.2.2 基于注意力机制的深浅特征融合 | 第39-41页 | 4.2.3 边界框回归分支 | 第41-42页 | 4.3 实验设计 | 第42-43页 | 4.3.1 验证标准 | 第42页 | 4.3.2 完成细节 | 第42-43页 | 4.4 实验结果 | 第43-45页 | 4.4.1 结果展示 | 第43-44页 | 4.4.2 对比实验 | 第44-45页 | 4.5 本章小结 | 第45-47页 | 第五章 基于相关滤波和重检测的人车长期跟踪方法研究 | 第47-63页 | 5.1 研究动机 | 第47-48页 | 5.2 基于相关滤波和重检测的长期跟踪方法 | 第48-56页 | 5.2.1 相关滤波跟踪器模块 | 第49-53页 | 5.2.2 置信度模块 | 第53-54页 | 5.2.3 重检测模块 | 第54-55页 | 5.2.4 整体框架 | 第55-56页 | 5.3 实验设计 | 第56-57页 | 5.3.1 验证标准 | 第56-57页 | 5.3.2 实现细节 | 第57页 | 5.4 实验结果 | 第57-62页 | 5.4.1 跟踪器特征和尺度搜索参数设置 | 第57-58页 | 5.4.2 置信度模块分析 | 第58-59页 | 5.4.3 结果展示 | 第59-61页 | 5.4.4 对比实验 | 第61-62页 | 5.5 本章总结 | 第62-63页 | 第六章 总结与展望 | 第63-65页 | 6.1 总结 | 第63-64页 | 6.2 展望 | 第64-65页 | 参考文献 | 第65-73页 | 致谢 | 第73-75页 | 作者攻读学位期间发表的学术论文目录 | 第75页 |
|
|
|
|
论文编号BS4205032,这篇论文共75页 会员购买按0.35元/页下载,共需支付26.25元。 直接购买按0.5元/页下载,共需要支付37.5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。 |
|
|