| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-14页 |
| 1.2.1 传统车型识别算法 | 第10页 |
| 1.2.2 基于细粒度图像分类的算法 | 第10-13页 |
| 1.2.3 细粒度图像分类的难点分析 | 第13-14页 |
| 1.3 论文主要工作 | 第14页 |
| 1.4 论文的组织及内容安排 | 第14-16页 |
| 第2章 基于视觉词袋模型的车型识别 | 第16-33页 |
| 2.1 视觉词袋模型概述 | 第16-18页 |
| 2.2 视觉特征的提取 | 第18-22页 |
| 2.3 视觉特征字典的建立 | 第22-23页 |
| 2.4 图像到特征向量的映射 | 第23-24页 |
| 2.5 分类器的训练和测试 | 第24-27页 |
| 2.6 基于视觉词袋模型的车型识别算法研究 | 第27-32页 |
| 2.6.1 数据集 | 第27-29页 |
| 2.6.2 算法实现 | 第29页 |
| 2.6.3 实验结果及分析 | 第29-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第3章 卷积神经网络 | 第33-47页 |
| 3.1 传统人工神经网络 | 第33-40页 |
| 3.1.1 前馈运算 | 第36-37页 |
| 3.1.2 反向传播 | 第37-40页 |
| 3.2 卷积神经网络 | 第40-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第4章 基于卷积神经网络的细粒度车型识别 | 第47-60页 |
| 4.1 概述 | 第47-48页 |
| 4.2 实验环境 | 第48-50页 |
| 4.2.1 数据集 | 第48-50页 |
| 4.2.2 开发环境 | 第50页 |
| 4.3 基于LeNet-5的改进车型识别模型研究 | 第50-52页 |
| 4.4 基于Convnet-5的改进车型识别模型研究 | 第52-55页 |
| 4.5 采用空间金字塔池化的改进算法研究 | 第55-59页 |
| 4.6 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |