基于卷积神经网络的道路目标检测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 道路目标检测的难点和关键问题 | 第14-15页 |
| 1.4 本文研究的主要内容及结构安排 | 第15-16页 |
| 2 道路目标检测的数据集和相关技术 | 第16-26页 |
| 2.1 实验数据 | 第16-19页 |
| 2.1.1 数据集的收集 | 第16-17页 |
| 2.1.2 数据集的预处理 | 第17-18页 |
| 2.1.3 数据集的划分 | 第18-19页 |
| 2.2 卷积神经网络 | 第19-20页 |
| 2.3 卷积神经网络的结构 | 第20-23页 |
| 2.4 VGG16的卷积神经网络模型 | 第23-24页 |
| 2.5 道路目标检测的关键技术 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 道路目标检测算法 | 第26-44页 |
| 3.1 目标的定位 | 第26-27页 |
| 3.2 目标检测 | 第27-35页 |
| 3.2.1 基于滑动窗口的目标检测算法 | 第27-29页 |
| 3.2.2 卷积的滑动窗口的实现 | 第29-30页 |
| 3.2.3 BoundingBox检测 | 第30-32页 |
| 3.2.4 交并比 | 第32页 |
| 3.2.5 非极大值抑制 | 第32-34页 |
| 3.2.6 AnchorBoxes | 第34-35页 |
| 3.3 SSD模型架构 | 第35-39页 |
| 3.3.1 基础网络 | 第37-39页 |
| 3.3.2 多尺寸特征图检测 | 第39页 |
| 3.4 模型的训练步骤 | 第39-40页 |
| 3.5 默认框的生成 | 第40-41页 |
| 3.6 默认框的匹配 | 第41页 |
| 3.7 损失函数 | 第41-43页 |
| 3.8 本章小结 | 第43-44页 |
| 4 道路目标检测算法的设计与实现 | 第44-55页 |
| 4.1 SSD模型算法总设计 | 第44-46页 |
| 4.2 算法实现 | 第46-47页 |
| 4.3 模型的性能度量标准 | 第47-49页 |
| 4.4 实验平台与数据 | 第49页 |
| 4.5 实验结果与分析 | 第49-54页 |
| 4.6 本章小结 | 第54-55页 |
| 5 结论与展望 | 第55-57页 |
| 5.1 论文总结 | 第55-56页 |
| 5.2 研究展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60-68页 |
| 附录A 基础网络结构部分代码 | 第60-65页 |
| 附录B 损失函数主要代码 | 第65-68页 |
| 致谢 | 第68-69页 |
| 个人简历 | 第69-70页 |
| 在校期间发表学术论文与科研成果 | 第70页 |
