基于级联卷积网络的自然场景下的车牌检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 选题的背景与意义 | 第8-9页 |
| 1.2 车牌识别技术的研究现状 | 第9-13页 |
| 1.2.1 问题综述 | 第9-10页 |
| 1.2.2 基于特征学习的车牌识别 | 第10-11页 |
| 1.2.3 基于级联卷积网络的车牌识别 | 第11-13页 |
| 1.3 自然场景下车牌检测问题的难点 | 第13-14页 |
| 1.4 主要工作与章节安排 | 第14-16页 |
| 2 卷积网络 | 第16-32页 |
| 2.1 卷积网络的基本思想 | 第16-22页 |
| 2.1.1 Hubel-Wiesel结构 | 第16-18页 |
| 2.1.2 卷积网络 | 第18-22页 |
| 2.2 卷积神经网络结构 | 第22-24页 |
| 2.2.1 卷积层 | 第23页 |
| 2.2.2 子采样 | 第23-24页 |
| 2.2.3 分类器 | 第24页 |
| 2.3 监督训练的卷积网络 | 第24-29页 |
| 2.3.1 反向传播算法 | 第24-29页 |
| 2.4 非监督训练的卷积网络 | 第29-32页 |
| 2.4.1 稀疏编码 | 第29-32页 |
| 3 车牌检测 | 第32-38页 |
| 3.1 级联卷积网络 | 第32页 |
| 3.2 级联卷积网络的结构 | 第32-33页 |
| 3.3 级联卷积网络性能评估 | 第33-34页 |
| 3.4 训练级联卷积网络 | 第34-38页 |
| 4 实验 | 第38-44页 |
| 4.1 实验环境 | 第38-39页 |
| 4.2 实验数据介绍 | 第39-40页 |
| 4.3 实验室结果与分析 | 第40-44页 |
| 4.3.1 自采数据集实验结果分析 | 第40-42页 |
| 4.3.2 公共数据集实验结果分析 | 第42-44页 |
| 5 总结与展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 个人简历 | 第49页 |
| 在学期间发表的学术论文与研究成果 | 第49-50页 |
| 致谢 | 第50-51页 |
