|
|
|
|
目标检测中的分类回归特征解耦 |
| |
| 论文目录 |
| |
| 摘要 | 第5-6页 | | ABSTRACT | 第6-7页 | | 第一章 绪论 | 第10-17页 | | 1.1 研究背景及选题意义 | 第10-14页 | | 1.1.1 目标检测算法发展现状 | 第10-13页 | | 1.1.2 分类回归一致性问题 | 第13-14页 | | 1.2 本文工作 | 第14-15页 | | 1.3 本文的章节结构 | 第15-16页 | | 1.4 本章小结 | 第16-17页 | | 第二章 本文相关技术研究分析 | 第17-27页 | | 2.1 卷积神经网络概述 | 第17-19页 | | 2.1.1 卷积神经网络结构 | 第17-18页 | | 2.1.2 卷积神经网络发展历程 | 第18-19页 | | 2.2 目标检测方法研究发展 | 第19-25页 | | 2.2.1 传统的目标检测算法 | 第19-20页 | | 2.2.2 基于深度学习的目标检测算法 | 第20-25页 | | 2.3 目标检测算法中的不足 | 第25-26页 | | 2.4 本章小结 | 第26-27页 | | 第三章 分类回归一致性预测网络 | 第27-35页 | | 3.1 网络结构介绍 | 第28页 | | 3.2 设计目的 | 第28-31页 | | 3.2.1 回归一致性问题的定义 | 第28-29页 | | 3.2.2 回归一致性问题改进方法 | 第29-31页 | | 3.3 分类定位一致性预测 | 第31-33页 | | 3.4 超参设置 | 第33页 | | 3.5 本章小结 | 第33-35页 | | 第四章 任务解耦的特征提取 | 第35-42页 | | 4.1 任务解耦问题 | 第35-37页 | | 4.2 任务解耦的结构设计 | 第37-41页 | | 4.2.1 基于坐标卷积的回归分支设计 | 第37-40页 | | 4.2.2 基于可变形卷积的分类分支设计 | 第40-41页 | | 4.3 超参设置 | 第41页 | | 4.4 本章小结 | 第41-42页 | | 第五章 实验与分析 | 第42-57页 | | 5.1 实验准备 | 第42-43页 | | 5.1.1 数据集介绍 | 第42页 | | 5.1.2 实验配置 | 第42-43页 | | 5.1.3 评价标准 | 第43页 | | 5.2 与前沿的方法比较 | 第43-46页 | | 5.3 消融实验 | 第46-54页 | | 5.3.1 本文主要创新点消融实验 | 第46-48页 | | 5.3.2 一致性head消融实验 | 第48-50页 | | 5.3.3 Coord Conv和 Deformable Conv的作用 | 第50-52页 | | 5.3.4 不同Backbone实验结果 | 第52-54页 | | 5.4 实验结果小结 | 第54-55页 | | 5.5 本章小结 | 第55-57页 | | 总结与展望 | 第57-58页 | | 本文工作总结 | 第57页 | | 展望 | 第57-58页 | | 参考文献 | 第58-62页 | | 攻读博士/硕士学位期间取得的研究成果 | 第62-63页 | | 致谢 | 第63-64页 | | 附件 | 第64页 |
|
|
|
|
论文编号BS4734459，这篇论文共64页
会员购买按0.35元/页下载，共需支付22.4元。 直接购买按0.5元/页下载，共需要支付32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