| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 Logo检测与识别研究背景与意义 | 第10-11页 |
| 1.2 Logo检测与识别国内外研究现状 | 第11-12页 |
| 1.3 Logo检测与识别技术研究难点 | 第12-13页 |
| 1.4 本文主要贡献 | 第13-14页 |
| 1.5 本文结构安排 | 第14-15页 |
| 第二章 LOGO检测与识别技术相关理论介绍 | 第15-30页 |
| 2.1 深度学习相关知识介绍 | 第15-22页 |
| 2.1.1 基于自编码器的深度学习模型 | 第16-17页 |
| 2.1.2 基于限制玻尔兹曼机的深度学习模型 | 第17-18页 |
| 2.1.3 基于卷积神经网络的深度学习模型 | 第18-22页 |
| 2.2 基于传统方式的检测识别方法 | 第22-25页 |
| 2.2.1 基于Adaboost的检测识别方法 | 第22-23页 |
| 2.2.2 基于SVM的检测识别方法 | 第23-25页 |
| 2.3 基于深度学习的检测和识别方法 | 第25-29页 |
| 2.3.1 基于区域推荐的检测识别方法 | 第26-28页 |
| 2.3.2 基于回归算法的检测识别方法 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 LOGO检测与识别数据集构建 | 第30-41页 |
| 3.1 数据集分析 | 第30-32页 |
| 3.1.1 数据集规模 | 第30-31页 |
| 3.1.2 数据集特性 | 第31-32页 |
| 3.2 数据集构建 | 第32-35页 |
| 3.2.1 爬虫引擎数据获取 | 第33-34页 |
| 3.2.2 数据标签手工标注 | 第34-35页 |
| 3.2.3 数据集划分 | 第35页 |
| 3.3 数据集处理 | 第35-40页 |
| 3.3.1 样本定义 | 第36-37页 |
| 3.3.2 仿射变换 | 第37-38页 |
| 3.3.3 图像合成 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于深度学习的LOGO检测与识别技术实现 | 第41-64页 |
| 4.1 检测识别算法架构 | 第41-42页 |
| 4.1.1 网络模型训练 | 第41-42页 |
| 4.1.2 网络模型测试 | 第42页 |
| 4.2 基于R-CNN的检测识别方法 | 第42-52页 |
| 4.2.1 检测识别流程 | 第43-47页 |
| 4.2.2 网络模型分析 | 第47-48页 |
| 4.2.3 网络模型改进 | 第48-51页 |
| 4.2.4 网络模型训练 | 第51-52页 |
| 4.3 基于FastR-CNN的检测识别方法 | 第52-59页 |
| 4.3.1 检测识别流程 | 第53-55页 |
| 4.3.2 网络模型分析 | 第55-57页 |
| 4.3.3 模型微调训练 | 第57-58页 |
| 4.3.4 Dropout机制 | 第58-59页 |
| 4.4 基于FasterR-CNN的检测识别方法 | 第59-63页 |
| 4.4.1 检测识别流程 | 第60-61页 |
| 4.4.2 区域生成网络 | 第61-62页 |
| 4.4.3 卷积特征共享 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 LOGO检测与识别实验分析 | 第64-77页 |
| 5.1 检测识别效果展示 | 第64-68页 |
| 5.1.1 检测识别效果展示 | 第64-66页 |
| 5.1.2 检测识别指标评价 | 第66-68页 |
| 5.2 网络模型可视化分析 | 第68-72页 |
| 5.2.1 基于LeNetLogo-5模型的检测识别方法可视化 | 第68-70页 |
| 5.2.2 基于VGG16模型的检测识别方法可视化 | 第70-72页 |
| 5.3 数据扩充与候选集二次筛选效果对比 | 第72-74页 |
| 5.3.1 图像合成数据扩充效果实验 | 第72-73页 |
| 5.3.2 候选区域二次筛选效果实验 | 第73-74页 |
| 5.4 不同算法模型对比分析 | 第74-76页 |
| 5.4.1 识别效果对比分析 | 第74-75页 |
| 5.4.2 运行时耗对比分析 | 第75-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第六章 全文总结与展望 | 第77-79页 |
| 6.1 工作总结 | 第77-78页 |
| 6.2 研究展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间取得的成果 | 第84页 |