| Acknowledgement | 第5-6页 |
| Abstract | 第6-7页 |
| 中文摘要 | 第8-15页 |
| List of Abbreviations | 第15-18页 |
| Chapter 1 Introduction | 第18-24页 |
| 1.1 Things that make it hard to recognize objects | 第19-21页 |
| 1.2 Statement of problem | 第21-22页 |
| 1.3 Objective of the study | 第22页 |
| 1.4 Scope of the study | 第22页 |
| 1.5 Significance of the study | 第22页 |
| 1.6 Contribution | 第22-23页 |
| 1.7 Thesis organization | 第23页 |
| 1.8 Chapter summary | 第23-24页 |
| Chapter 2 Literature Review | 第24-31页 |
| 2.1 Traffic signs:International conventions and differences | 第24-26页 |
| 2.2 Shape-based methods | 第26页 |
| 2.3 Color-based methods | 第26页 |
| 2.4 Learning-based methods | 第26-29页 |
| 2.4.1 Region Proposal Based Algorithms | 第28-29页 |
| 2.4.2 Regression-Based Algorithms | 第29页 |
| 2.5 Chapter summary | 第29-31页 |
| Chapter 3 Research Methodology | 第31-36页 |
| 3.1 Traffic Sign Detection Method | 第31-32页 |
| 3.1.2 Overview of SSD | 第31页 |
| 3.1.3 Detection pipeline | 第31-32页 |
| 3.2 Detection Framework Configuration | 第32-33页 |
| 3.2.1 Overview of Caffe | 第32-33页 |
| 3.2.2 Configuration of SSD | 第33页 |
| 3.3 Configuring for training and testing | 第33-35页 |
| 3.3.1 Dataset conversion | 第33页 |
| 3.3.2 Data format | 第33-34页 |
| 3.3.3 Label conversion to a data format | 第34页 |
| 3.3.4 Convert Data to LMDB Data | 第34-35页 |
| 3.3.5 Model training | 第35页 |
| 3.4 Chapter summary | 第35-36页 |
| Chapter 4 Dataset Construction | 第36-41页 |
| 4.1 Introduction | 第36页 |
| 4.2 Classification | 第36页 |
| 4.3 Image acquisition | 第36-37页 |
| 4.4 Ground-truth Annotation | 第37-39页 |
| 4.5 Organization | 第39-40页 |
| 4.6 Chapter summary | 第40-41页 |
| Chapter 5 Experiment and Results | 第41-50页 |
| 5.1 Quality results | 第41-44页 |
| 5.2 Quantity results | 第44-49页 |
| 5.2.1 Performance measures | 第44-45页 |
| 5.2.2 Results and discussion | 第45-49页 |
| 5.3 Chapter summary | 第49-50页 |
| Chapter 6 Conclusion and Future work | 第50-51页 |
| 6.1 Conclusion | 第50页 |
| 6.2 Future work | 第50-51页 |
| References | 第51-56页 |
| 学位论文数据集 | 第56-57页 |
