| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究难点 | 第13-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第2章 车型识别系统介绍 | 第17-22页 |
| 2.1 车型识别系统简介 | 第17页 |
| 2.2 车型图像库建立 | 第17-19页 |
| 2.3 实验环境 | 第19-20页 |
| 2.4 系统算法评价 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 常用车型识别特征及SVM算法介绍 | 第22-33页 |
| 3.1 SVM方法简介 | 第22-23页 |
| 3.1.1 构建多分类SVM | 第23页 |
| 3.2 梯度方向直方图 | 第23-28页 |
| 3.2.1 算法介绍 | 第23-26页 |
| 3.2.2 性能对比实验结果及分析 | 第26-28页 |
| 3.3 基于主成分分析的尺度不变特征变换 | 第28-32页 |
| 3.3.1 尺度不变特征变换 | 第28-30页 |
| 3.3.2 基于PCA的SIFT描述符 | 第30-31页 |
| 3.3.3 性能对比实验结果及分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于卷积神经网络的车型识别 | 第33-53页 |
| 4.1 卷积神经网络 | 第33-36页 |
| 4.1.1 卷积神经网络的结构 | 第33-35页 |
| 4.1.2 卷积神经网络的训练 | 第35-36页 |
| 4.2 车型识别方案 | 第36-39页 |
| 4.2.1 特征提取 | 第37-39页 |
| 4.2.2 分类识别 | 第39页 |
| 4.3 卷积神经网络的优化 | 第39-50页 |
| 4.3.1 网络层数的选取 | 第39-41页 |
| 4.3.2 滤波器个数的选取 | 第41-43页 |
| 4.3.3 滤波器大小的选取 | 第43-45页 |
| 4.3.4 激活函数的选取 | 第45-47页 |
| 4.3.5 确定最优网络 | 第47-50页 |
| 4.4 对比实验结果分析 | 第50-52页 |
| 4.4.1 在本文数据集下的结果分析 | 第50-51页 |
| 4.4.2 在BIT-Vehicle数据集下结果分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第61页 |