| 致谢 | 第7-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第17-22页 |
| 1.1 课题来源及意义 | 第17-18页 |
| 1.2 课题研究背景 | 第18-20页 |
| 1.2.1 车型识别解决方案的研究现状 | 第18-19页 |
| 1.2.2 低分辨率图像识别的研究现状 | 第19-20页 |
| 1.2.3 卷积神经网络的发展现状 | 第20页 |
| 1.3 本文研究内容及安排 | 第20-22页 |
| 第二章 深度卷积神经网络 | 第22-40页 |
| 2.1 引言 | 第22页 |
| 2.2 传统神经网络 | 第22-27页 |
| 2.2.1 神经元模型介绍 | 第22-24页 |
| 2.2.2 前馈神经网络 | 第24-25页 |
| 2.2.3 反向传播算法 | 第25-27页 |
| 2.3 卷积神经网络 | 第27-32页 |
| 2.3.1 卷积神经网络概述 | 第27-29页 |
| 2.3.2 卷积神经网络基本结构和操作 | 第29-32页 |
| 2.4 典型网络模型与框架 | 第32-36页 |
| 2.4.1 AlexNet | 第32页 |
| 2.4.2 OverFeat | 第32-34页 |
| 2.4.3 GoogLeNet | 第34-36页 |
| 2.4.4 ResNet | 第36页 |
| 2.5 卷积神经网络平台和框架 | 第36-38页 |
| 2.6 本章小结 | 第38-40页 |
| 第三章 基于深度特征融合模型的低分辨率车型识别 | 第40-59页 |
| 3.1 引言 | 第40-41页 |
| 3.2 特征融合模型 | 第41-47页 |
| 3.2.1 特征融合模型构建 | 第41-43页 |
| 3.2.2 训练过程及特征组合方式 | 第43-47页 |
| 3.3 优化方法 | 第47-51页 |
| 3.3.1 数据增强 | 第47-49页 |
| 3.3.2 Dropout方法 | 第49-51页 |
| 3.4 实验结果和分析 | 第51-58页 |
| 3.4.1 数据集及实验设置 | 第51-54页 |
| 3.4.2 实验结果对比及分析 | 第54-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 多深度特征融合模型协作机制的车型识别 | 第59-72页 |
| 4.1 引言 | 第59页 |
| 4.2 多深度特征融合模型协作机制 | 第59-62页 |
| 4.2.1 多深度特征融合模型协作方法 | 第59-61页 |
| 4.2.2 多深度特征融合模型协作机制的优势 | 第61-62页 |
| 4.3 基于AdaBoost算法的多深度特征融合模型协作处理 | 第62-66页 |
| 4.3.1 AdaBoost算法 | 第62-64页 |
| 4.3.2 多深度特征融合模型协作处理 | 第64-66页 |
| 4.4 实验结果和分析 | 第66-70页 |
| 4.4.1 数据集和实验设置 | 第66-67页 |
| 4.4.2 实验结果对比及分析 | 第67-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第五章 总结和展望 | 第72-74页 |
| 5.1 总结 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第78-79页 |