基于BP和CNN的分阶车标识别方法研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 1 绪论 | 第10-16页 |
| 1.1 引言 | 第10页 |
| 1.2 课题研究背景和意义 | 第10-11页 |
| 1.3 国内外研究现状及技术难点 | 第11-14页 |
| 1.3.1 国内外研究现状 | 第11-13页 |
| 1.3.2 技术难点 | 第13-14页 |
| 1.4 本论文研究内容及目标 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 相关理论介绍 | 第16-29页 |
| 2.1 图像预处理 | 第16-18页 |
| 2.1.1 图像灰度化 | 第16-17页 |
| 2.1.2 图像去噪 | 第17页 |
| 2.1.3 图像二值化 | 第17页 |
| 2.1.4 图像归一化 | 第17-18页 |
| 2.2 车标定位简介 | 第18-21页 |
| 2.2.1 车标定位的技术难点 | 第18-19页 |
| 2.2.2 车标定位方法 | 第19-21页 |
| 2.3 神经网络简介 | 第21-28页 |
| 2.3.1 BP神经网络 | 第21-25页 |
| 2.3.2 卷积神经网络 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 车标识别系统设计 | 第29-40页 |
| 3.1 系统流程 | 第29-30页 |
| 3.2 预处理及车标定位 | 第30-31页 |
| 3.2.1 预处理 | 第30-31页 |
| 3.2.2 车标定位 | 第31页 |
| 3.3 神经网络设计 | 第31-34页 |
| 3.3.1 网络结构 | 第31-33页 |
| 3.3.2 网络参数 | 第33-34页 |
| 3.3.3 卷积神经网络框架 | 第34页 |
| 3.4 数据准备 | 第34页 |
| 3.5 测试结果及分析 | 第34-39页 |
| 3.5.1 车标测试集测试 | 第35-36页 |
| 3.5.2 与其它算法的对比 | 第36-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 基于分阶的车标识别方法 | 第40-50页 |
| 4.1 算法描述 | 第40页 |
| 4.2 系统流程 | 第40-41页 |
| 4.3 数据准备 | 第41-42页 |
| 4.4 基于BP算法的索引化 | 第42-43页 |
| 4.5 CNN精确识别 | 第43-44页 |
| 4.6 测试结果与分析 | 第44-49页 |
| 4.6.1 车标测试集测试 | 第44-46页 |
| 4.6.2 与其它算法的对比 | 第46-48页 |
| 4.6.3 泛化能力测试 | 第48-49页 |
| 4.7 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-51页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 作者简介 | 第56页 |
