基于深度学习的智能车场景解析算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-19页 |
| 1.1 研究背景与意义 | 第7-13页 |
| 1.1.1 智能车简述 | 第7-8页 |
| 1.1.2 智能车发展现状 | 第8-11页 |
| 1.1.3 智能车场景解析简述 | 第11-13页 |
| 1.2 智能车场景解析研究现状 | 第13-14页 |
| 1.3 深度学习与卷积神经网络综述 | 第14-17页 |
| 1.3.1 深度学习综述 | 第14-16页 |
| 1.3.2 深度学习在智能车场景解析中的应用 | 第16-17页 |
| 1.4 本文主要工作与创新点 | 第17-18页 |
| 1.5 论文组织结构 | 第18-19页 |
| 2 基于卷积神经网络的场景解析 | 第19-39页 |
| 2.1 人工神经网络 | 第19-23页 |
| 2.1.1 神经元 | 第19-20页 |
| 2.1.2 多层感知器和反向传播算法 | 第20-23页 |
| 2.2 卷积神经网络 | 第23-29页 |
| 2.2.1 卷积神经网络结构 | 第23-26页 |
| 2.2.2 卷积神经网络的训练 | 第26-28页 |
| 2.2.3 卷积神经网络中的过拟合问题与解决方案 | 第28-29页 |
| 2.3 基于卷积神经网络的场景解析 | 第29-38页 |
| 2.3.1 多尺度信息融合 | 第29-30页 |
| 2.3.2 数据集与数据预处理 | 第30-32页 |
| 2.3.3 网络结构与训练测试 | 第32-36页 |
| 2.3.4 实验结果与分析 | 第36-38页 |
| 2.4 本章小结 | 第38-39页 |
| 3 基于递归卷积神经网络的场景解析 | 第39-47页 |
| 3.1 递归卷积神经网络 | 第39-40页 |
| 3.1.1 递归卷积层 | 第39-40页 |
| 3.1.2 递归卷积神经网络 | 第40页 |
| 3.2 基于递归卷积神经网络的场景解析 | 第40-45页 |
| 3.2.1 数据集与数据预处理 | 第40页 |
| 3.2.2 网络结构与训练测试 | 第40-43页 |
| 3.2.3 实验结果与分析 | 第43-45页 |
| 3.3 本章小结 | 第45-47页 |
| 4 基于TD卷积神经网络的场景解析 | 第47-54页 |
| 4.1 TD卷积神经网络 | 第47-48页 |
| 4.2 基于TD卷积神经网络的场景解析 | 第48-53页 |
| 4.2.1 数据集与数据预处理 | 第48页 |
| 4.2.2 网络结构与训练测试 | 第48-50页 |
| 4.2.3 实验结果与分析 | 第50-53页 |
| 4.3 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54页 |
| 5.2 未来工作展望 | 第54-56页 |
| 附录一 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 个人简介 | 第60-61页 |
| 导师简介 | 第61-62页 |
| 获得成果目录 | 第62-63页 |
| 致谢 | 第63页 |
