对象检测与识别及在交通场景中的应用
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 课题背景和意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-22页 |
| 1.2.1 显著性对象检测研究现状 | 第15-17页 |
| 1.2.2 对象检测研究现状 | 第17-20页 |
| 1.2.3 对象识别研究现状 | 第20-22页 |
| 1.3 本文的主要工作 | 第22-23页 |
| 1.3.1 研究内容与目标 | 第22页 |
| 1.3.2 主要创新点及成果 | 第22-23页 |
| 1.4 本文的组织结构 | 第23-25页 |
| 第2章 对象检测与识别理论基础 | 第25-39页 |
| 2.1 引言 | 第25-26页 |
| 2.2 随机森林回归 | 第26-27页 |
| 2.3 提升器 | 第27页 |
| 2.4 卷积神经网络 | 第27-35页 |
| 2.4.1 卷积层 | 第28-30页 |
| 2.4.2 汇合层 | 第30-31页 |
| 2.4.3 激活函数 | 第31-32页 |
| 2.4.4 全连接层 | 第32-33页 |
| 2.4.5 目标函数 | 第33-34页 |
| 2.4.6 随机梯度下降 | 第34-35页 |
| 2.5 常见的CNN架构 | 第35-38页 |
| 2.5.1 LeNet网络 | 第35-36页 |
| 2.5.2 AlexNet网络 | 第36页 |
| 2.5.3 VGGNet网络 | 第36-37页 |
| 2.5.4 GoogLeNet网络 | 第37页 |
| 2.5.5 ResNet网络 | 第37-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第3章 显著性对象检测 | 第39-59页 |
| 3.1 引言 | 第39-41页 |
| 3.2 对象级显著性 | 第41-52页 |
| 3.2.1 预处理 | 第42-44页 |
| 3.2.2 背景先验 | 第44-46页 |
| 3.2.3 显著性评估 | 第46-48页 |
| 3.2.4 对象性评估 | 第48-51页 |
| 3.2.5 迭代精炼 | 第51-52页 |
| 3.3 实验评估 | 第52-58页 |
| 3.3.1 数据集 | 第52页 |
| 3.3.2 参数设置和评价标准 | 第52-53页 |
| 3.3.3 评估 | 第53-57页 |
| 3.3.4 时间对比 | 第57-58页 |
| 3.3.5 结果分析 | 第58页 |
| 3.4 本章小结 | 第58-59页 |
| 第4章 车辆属性检测与车辆识别 | 第59-79页 |
| 4.1 引言 | 第59-62页 |
| 4.2 数据集VAC特性 | 第62-64页 |
| 4.3 属性检测 | 第64-71页 |
| 4.3.1 单阶段检测方法SSD | 第64-66页 |
| 4.3.2 基于焦点损失的SSD | 第66页 |
| 4.3.3 实验 | 第66-71页 |
| 4.4 车辆识别与检索 | 第71-78页 |
| 4.4.1 特征提取 | 第72页 |
| 4.4.2 特征提升器 | 第72-73页 |
| 4.4.3 实验 | 第73-78页 |
| 4.5 本章小结 | 第78-79页 |
| 第5章 车辆标识识别 | 第79-93页 |
| 5.1 引言 | 第79-80页 |
| 5.2 车辆标识数据集 | 第80-82页 |
| 5.3 车辆标识识别 | 第82-89页 |
| 5.3.1 标识分类问题描述 | 第82页 |
| 5.3.2 CNN结构 | 第82-86页 |
| 5.3.3 实验 | 第86-89页 |
| 5.4 车辆标识验证 | 第89-92页 |
| 5.4.1 问题描述与方法 | 第89-90页 |
| 5.4.2 实验 | 第90-92页 |
| 5.5 本章小结 | 第92-93页 |
| 第6章 结论与展望 | 第93-95页 |
| 6.1 结论 | 第93页 |
| 6.2 展望 | 第93-95页 |
| 参考文献 | 第95-103页 |
| 致谢 | 第103-105页 |
| 攻读学位期间参加的科研项目和成果 | 第105页 |
