基于深度属性学习的交通标志识别方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-29页 |
| 1.1 研究背景与研究意义 | 第11-15页 |
| 1.1.1 交通标志 | 第11-13页 |
| 1.1.2 辅助驾驶与无人驾驶 | 第13-14页 |
| 1.1.3 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 交通标志检测相关工作 | 第15-18页 |
| 1.2.2 交通标志识别相关工作 | 第18-19页 |
| 1.2.3 交通标志检测与识别存在问题 | 第19-21页 |
| 1.3 研究目标、内容和技术路线 | 第21-26页 |
| 1.3.1 研究目标 | 第21-23页 |
| 1.3.2 研究内容 | 第23-25页 |
| 1.3.3 技术路线 | 第25-26页 |
| 1.4 论文的结构安排 | 第26-29页 |
| 2 交通标志候选区域检测 | 第29-35页 |
| 2.1 引言 | 第29页 |
| 2.2 图像预处理 | 第29-31页 |
| 2.3 候选区域提取 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 交通标志候选区域识别 | 第35-45页 |
| 3.1 引言 | 第35页 |
| 3.2 交通标志候选区域分类 | 第35-41页 |
| 3.2.1 卷积神经网络 | 第36-38页 |
| 3.2.2 属性标签和属性向量的设计 | 第38-39页 |
| 3.2.3 网络结构设计 | 第39-40页 |
| 3.2.4 深度属性特征的学习与分类 | 第40-41页 |
| 3.3 交通标志区域确定 | 第41-42页 |
| 3.4 本章小结 | 第42-45页 |
| 4 实验 | 第45-59页 |
| 4.1 引言 | 第45-46页 |
| 4.2 交通标志公开数据集 | 第46页 |
| 4.3 交通标志候选区域检测实验 | 第46-50页 |
| 4.3.1 实验设计 | 第46-47页 |
| 4.3.2 实验结果及分析 | 第47-50页 |
| 4.4 交通标志识别实验 | 第50-55页 |
| 4.4.1 实验设计 | 第51-52页 |
| 4.4.2 属性标签和属性向量设计 | 第52-53页 |
| 4.4.3 训练过程 | 第53页 |
| 4.4.4 实验结果及分析 | 第53-55页 |
| 4.5 本章小结 | 第55-59页 |
| 5 总结与展望 | 第59-63页 |
| 5.1 总结 | 第59-60页 |
| 5.2 工作展望 | 第60-63页 |
| 参考文献 | 第63-67页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第67-71页 |
| 学位论文数据集 | 第71页 |
