基于深度学习的机动车检测与属性识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究意义 | 第11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 机动车检测的研究现状 | 第12-13页 |
| 1.3.2 机动车属性识别的研究现状 | 第13-14页 |
| 1.4 课题主要工作 | 第14-15页 |
| 1.5 章节安排 | 第15-16页 |
| 第二章 基于深度学习的物体检测与识别概述 | 第16-32页 |
| 2.1 深度学习基础知识 | 第16-21页 |
| 2.1.1 人工神经网络 | 第16-17页 |
| 2.1.2 卷积神经网络 | 第17-19页 |
| 2.1.3 模型优化算法 | 第19-21页 |
| 2.2 卷积神经网络发展历程 | 第21-25页 |
| 2.3 物体检测算法发展历程 | 第25-28页 |
| 2.4 机动车检测与属性识别 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 机动车联合检测与识别算法 | 第32-46页 |
| 3.1 引言 | 第32-34页 |
| 3.2 联合机动车检测与属性识别 | 第34-38页 |
| 3.2.1 模型概述 | 第34-36页 |
| 3.2.2 多任务难例挖掘 | 第36-38页 |
| 3.3 道路机动车数据集 | 第38-39页 |
| 3.4 实验分析 | 第39-44页 |
| 3.4.1 实验基本设置 | 第39-41页 |
| 3.4.2 检测效果验证 | 第41-42页 |
| 3.4.3 多属性识别验证 | 第42-43页 |
| 3.4.4 算法性能测试 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 车辆品牌识别算法 | 第46-62页 |
| 4.1 引言 | 第46-47页 |
| 4.2 车辆品牌识别模型 | 第47-54页 |
| 4.2.1 模型结构设计 | 第48-51页 |
| 4.2.2 模型损失函数 | 第51-52页 |
| 4.2.3 完整网络模型 | 第52-54页 |
| 4.3 未知类别样本辨别 | 第54-55页 |
| 4.4 车辆品牌数据集 | 第55-56页 |
| 4.5 实验分析 | 第56-60页 |
| 4.5.1 实验基本设置 | 第57页 |
| 4.5.2 已知品牌类别识别验证 | 第57-58页 |
| 4.5.3 未知品牌类别辨别验证 | 第58-60页 |
| 4.5.4 品牌识别模型性能测试 | 第60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 在读期间发表的学术论文与取得的科研成果 | 第72页 |
