基于卷积网络的交通标志检测与识别算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题背景及研究的目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本课题研究的主要内容 | 第13-15页 |
| 第2章 卷积神经网络和分类器基础 | 第15-23页 |
| 2.1 卷积神经网络 | 第15-21页 |
| 2.1.1 卷积神经网络的基本概念 | 第15页 |
| 2.1.2 卷积神经网络结构 | 第15-17页 |
| 2.1.3 反向传播算法 | 第17-18页 |
| 2.1.4 卷积层及梯度计算 | 第18-20页 |
| 2.1.5 采样及梯度计算 | 第20页 |
| 2.1.6 卷积网络总结 | 第20-21页 |
| 2.2 分类器 | 第21-22页 |
| 2.2.1 支持向量机 | 第21页 |
| 2.2.2 Softmax分类器 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 基于卷积神经网络的交通标志检测 | 第23-40页 |
| 3.1 目标检测的发展 | 第24-28页 |
| 3.2 算法结构 | 第28-32页 |
| 3.2.1 选取候选区域网络 | 第29-30页 |
| 3.2.2 改进算法网络结构 | 第30-32页 |
| 3.3 实验 | 第32-39页 |
| 3.3.1 数据集介绍 | 第32-34页 |
| 3.3.2 实验设置 | 第34页 |
| 3.3.3 实验结果与分析 | 第34-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于优化卷积网络结构的交通标志识别 | 第40-52页 |
| 4.1 引言 | 第40-41页 |
| 4.2 加速训练模块—批量归一化方法 | 第41-43页 |
| 4.3 识别率模块—逐层贪婪训练 | 第43-44页 |
| 4.4 算法优化过程 | 第44-45页 |
| 4.5 实验结果与分析 | 第45-51页 |
| 4.5.1 数据准备 | 第45-46页 |
| 4.5.2 网络结构选择 | 第46-48页 |
| 4.5.3 训练速度对比 | 第48-49页 |
| 4.5.4 识别率对比 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 交通标志检测与识别工程设计 | 第52-60页 |
| 5.1 产品简介 | 第52-53页 |
| 5.2 软件工程设计 | 第53-59页 |
| 5.2.1 图像预处理模块 | 第53-54页 |
| 5.2.2 交通标志检测模块 | 第54-56页 |
| 5.2.3 交通标志识别模块 | 第56-58页 |
| 5.2.4 软件操作模块 | 第58-59页 |
| 5.3 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间所发表的学术成果 | 第67-68页 |
| 致谢 | 第68页 |
