| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 1 绪论 | 第10-21页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状及难点 | 第11-18页 |
| 1.2.1 路牌检测方法的研究现状 | 第11-14页 |
| 1.2.2 路牌识别方法的研究现状 | 第14-17页 |
| 1.2.3 路牌检测和识别的难点 | 第17-18页 |
| 1.3 论文的主要研究内容 | 第18-19页 |
| 1.4 论文的结构安排 | 第19-21页 |
| 2 卷积神经网络 | 第21-27页 |
| 2.1 卷积神经网络概述 | 第21-25页 |
| 2.1.1 卷积层 | 第21-22页 |
| 2.1.2 池化运算 | 第22-23页 |
| 2.1.3 全连接层 | 第23-24页 |
| 2.1.4 学习率 | 第24-25页 |
| 2.1.5 激活函数 | 第25页 |
| 2.2 CNN在路牌识别中的应用 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 基于单个深层卷积神经网络的路牌检测算法 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 SSD网络模型 | 第27-29页 |
| 3.3 训练过程 | 第29-31页 |
| 3.4 非极大值抑制算法 | 第31-32页 |
| 3.5 仿真与分析 | 第32-34页 |
| 3.5.1 GTSDB数据库 | 第32页 |
| 3.5.2 网络设计 | 第32-33页 |
| 3.5.3 仿真结果与分析 | 第33-34页 |
| 3.6 本章小结 | 第34-36页 |
| 4 基于压缩感知域和跨连卷积神经网络的路牌识别算法 | 第36-49页 |
| 4.1 引言 | 第36页 |
| 4.2 压缩感知域 | 第36-41页 |
| 4.2.1 信号的稀疏表示 | 第37-38页 |
| 4.2.2 测量矩阵的设计 | 第38-39页 |
| 4.2.3 信号重构算法 | 第39-40页 |
| 4.2.4 压缩感知域及应用 | 第40-41页 |
| 4.3 跨连卷积神经网络 | 第41-45页 |
| 4.3.1 跨连卷积神经网络 | 第41-42页 |
| 4.3.2 跨连卷积神经网络的学习过程 | 第42-45页 |
| 4.4 仿真与分析 | 第45-48页 |
| 4.4.1 GTSRB数据库 | 第45-46页 |
| 4.4.2 结果分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-52页 |
| 5.1 论文总结 | 第49-50页 |
| 5.2 进一步研究方向 | 第50-52页 |
| 参考文献 | 第52-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-64页 |
| 致谢 | 第64-66页 |