| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 车型识别 | 第12-13页 |
| 1.3.2 细粒度图像识别 | 第13-14页 |
| 1.4 主要工作 | 第14-15页 |
| 1.5 论文组织与结构 | 第15-16页 |
| 第二章 相关技术介绍 | 第16-28页 |
| 2.1 深度学习 | 第16-21页 |
| 2.1.1 人工神经网络 | 第16-20页 |
| 2.1.2 卷积神经网络 | 第20-21页 |
| 2.2 神经网络模型及优化算法 | 第21-27页 |
| 2.2.1 网络模型 | 第21-24页 |
| 2.2.2 优化算法 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 数据集 | 第28-38页 |
| 3.1 数据增强 | 第28-36页 |
| 3.1.1 网络爬虫 | 第29-31页 |
| 3.1.2 传统方法 | 第31-33页 |
| 3.1.3 生成对抗网络 | 第33-36页 |
| 3.1.4 数据增强结果 | 第36页 |
| 3.2 数据预处理 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 车型识别算法研究 | 第38-48页 |
| 4.1 迁移学习 | 第38-39页 |
| 4.1.1 原理 | 第38页 |
| 4.1.2 实现 | 第38-39页 |
| 4.2 算法优化 | 第39-44页 |
| 4.2.1 双线性Inception网络 | 第40-42页 |
| 4.2.2 基于层次标签的双线性Inception网络 | 第42-44页 |
| 4.3 实验结果 | 第44-47页 |
| 4.3.1 实验环境 | 第44-45页 |
| 4.3.2 实验结果 | 第45-46页 |
| 4.3.3 实验分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 系统设计与实现 | 第48-62页 |
| 5.1 系统需求分析 | 第48-50页 |
| 5.1.1 功能性需求分析 | 第48-50页 |
| 5.1.2 非功能性需求分析 | 第50页 |
| 5.2 系统整体架构设计 | 第50-51页 |
| 5.3 详细设计 | 第51-56页 |
| 5.3.1 服务端 | 第52-53页 |
| 5.3.2 客户端 | 第53-55页 |
| 5.3.3 数据存储 | 第55页 |
| 5.3.4 离线训练 | 第55-56页 |
| 5.3.5 日志收集 | 第56页 |
| 5.4 系统测试 | 第56-61页 |
| 5.4.1 服务端测试 | 第56-57页 |
| 5.4.2 客户端测试 | 第57-59页 |
| 5.4.3 非功能性测试 | 第59-60页 |
| 5.4.4 真实环境测试 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文总结 | 第62页 |
| 6.2 未来展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间取得的科研成果 | 第68页 |