| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.1.1 路牌文字识别 | 第13-14页 |
| 1.1.2 深度学习 | 第14-15页 |
| 1.2 研究现状 | 第15-19页 |
| 1.2.1 路牌文字识别研究现状 | 第15-18页 |
| 1.2.2 深度学习研究现状 | 第18-19页 |
| 1.3 主要研究工作 | 第19页 |
| 1.4 论文结构安排 | 第19-21页 |
| 第二章 路牌字符提取 | 第21-45页 |
| 2.1 前言 | 第21页 |
| 2.2 路牌规范与特征 | 第21-23页 |
| 2.3 文字图像区域提取 | 第23-43页 |
| 2.3.1 颜色空间 | 第23-27页 |
| 2.3.2 透视校正 | 第27-32页 |
| 2.3.3 图像边缘检测 | 第32-35页 |
| 2.3.4 图像形态学操作 | 第35-37页 |
| 2.3.5 投影法图像文字分割 | 第37-41页 |
| 2.3.6 连通区域文字提取方法 | 第41-43页 |
| 2.3.7 文字尺寸归一化 | 第43页 |
| 2.4 本文方法 | 第43-44页 |
| 2.5 本章小结 | 第44-45页 |
| 第三章 深度学习与深度玻尔兹曼机 | 第45-57页 |
| 3.1 前言 | 第45页 |
| 3.2 深度学习 | 第45-46页 |
| 3.2.1 什么是深度学习 | 第45-46页 |
| 3.2.2 深度学习的基本思想 | 第46页 |
| 3.3 玻尔兹曼机 | 第46-54页 |
| 3.3.1 单层玻尔兹曼机 | 第47页 |
| 3.3.2 多层玻尔兹曼机 | 第47-48页 |
| 3.3.3 受限玻尔兹曼机 | 第48-49页 |
| 3.3.4 玻尔兹曼机学习过程 | 第49-54页 |
| 3.4 深度玻尔兹曼机 | 第54-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 预训练方法与共轭梯度法 | 第57-77页 |
| 4.1 前言 | 第57页 |
| 4.2 预训练算法 | 第57-64页 |
| 4.2.1 Metropolis-Hastings算法 | 第60页 |
| 4.2.2 Gibbs采样 | 第60-61页 |
| 4.2.3 平行回火方法 | 第61-62页 |
| 4.2.4 随机近似法 | 第62页 |
| 4.2.5 对比散度算法 | 第62-64页 |
| 4.3 共轭梯度法 | 第64-68页 |
| 4.3.1 共轭梯度法基本概念 | 第64-65页 |
| 4.3.2 线性搜索技术 | 第65-66页 |
| 4.3.3 共轭梯度法的原理 | 第66-67页 |
| 4.3.4 几种经典的共轭梯度法 | 第67-68页 |
| 4.4 MDBM | 第68-72页 |
| 4.4.1 参数混合初始化 | 第68-70页 |
| 4.4.2 复合共轭梯度法 | 第70-72页 |
| 4.5 图像识别实验 | 第72-75页 |
| 4.6 本章小结 | 第75-77页 |
| 总结与展望 | 第77-79页 |
| 论文工作总结 | 第77页 |
| 未来工作展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 答辩委员会对论文的评定意见 | 第85页 |