基于深度学习的车型识别算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 传统方法 | 第10页 |
| 1.2.2 深度学习方法 | 第10-12页 |
| 1.2.3 存在的问题和解决方案 | 第12页 |
| 1.3 研究内容 | 第12-14页 |
| 1.4 小结 | 第14-15页 |
| 第二章 算法基础 | 第15-27页 |
| 2.1 深度卷积网络 | 第15-20页 |
| 2.1.1 卷积层与卷积运算 | 第15-17页 |
| 2.1.2 池化层与池化运算 | 第17-18页 |
| 2.1.3 正则化层与正则化运算 | 第18-19页 |
| 2.1.4 分类层 | 第19-20页 |
| 2.2 常用网络模型 | 第20-22页 |
| 2.2.1 ZF模型 | 第20-21页 |
| 2.2.2 VGG16模型 | 第21-22页 |
| 2.2.3 ResNet模型 | 第22页 |
| 2.3 FASTER RCNN算法 | 第22-23页 |
| 2.4 集成学习基础 | 第23-26页 |
| 2.5 小结 | 第26-27页 |
| 第三章 数据增强及多模型集成车型识别算法 | 第27-40页 |
| 3.1 数据来源 | 第28-29页 |
| 3.2 数据增强及多样化数据集设计 | 第29-34页 |
| 3.2.1 数据增强算法设计 | 第29-33页 |
| 3.2.2 数据集多样化分布 | 第33页 |
| 3.2.3 负样本以及模糊样本的增加 | 第33-34页 |
| 3.3 差异化网络模型及集成算法 | 第34-35页 |
| 3.4 实验结果及分析 | 第35-38页 |
| 3.5 小结 | 第38-40页 |
| 第四章 多尺度区域特征的车型识别算法 | 第40-48页 |
| 4.1 区域特征算法 | 第40-41页 |
| 4.2 多尺度区域特征识别算法 | 第41-44页 |
| 4.2.1 多尺度区域信息标注 | 第41-42页 |
| 4.2.2 包围盒约束算法 | 第42页 |
| 4.2.3 海伦约束算法 | 第42-44页 |
| 4.2.4 多尺度区域特征分类器 | 第44页 |
| 4.3 实验结果分析 | 第44-47页 |
| 4.4 小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 在学期间的研究成果 | 第56-57页 |
| 致谢 | 第57页 |
