| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 前言 | 第8-13页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 CNN研究现状 | 第9页 |
| 1.2.2 基于CNN的目标检测研究现状 | 第9-11页 |
| 1.2.3 基于CNN的图像识别研究现状 | 第11页 |
| 1.3 论文各章节安排 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 卷积神经网络结构 | 第13-28页 |
| 2.1 神经网络 | 第13-21页 |
| 2.1.1 神经元 | 第13-15页 |
| 2.1.2 神经网络结构 | 第15-17页 |
| 2.1.3 反向传播算法 | 第17-20页 |
| 2.1.4 Softmax回归算法 | 第20-21页 |
| 2.2 卷积神经网络 | 第21-27页 |
| 2.2.1 卷积神经网络的特性 | 第21-23页 |
| 2.2.2 卷积神经网络操作 | 第23-24页 |
| 2.2.3 几个经典卷积神经网络模型 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 卷积神经网络在车牌区域检测中的应用 | 第28-36页 |
| 3.1 SSD模型简介 | 第28-29页 |
| 3.2 基于CNN的车牌区域检测实验 | 第29-34页 |
| 3.2.1 数据准备 | 第29-30页 |
| 3.2.2 基于SSD的车牌区域检测模型设置及训练过程 | 第30-34页 |
| 3.3 实验结果分析 | 第34-35页 |
| 3.3.1 实验环境配置 | 第34页 |
| 3.3.2 实验步骤 | 第34页 |
| 3.3.3 实验效果 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 卷积神经网络在车牌字符识别中的应用 | 第36-43页 |
| 4.1 基于LeNet-5的车牌字符识别流程 | 第36页 |
| 4.2 车牌字符图像预处理 | 第36-38页 |
| 4.3 基于LeNet-5的车牌字符识别模型 | 第38-39页 |
| 4.4 实验 | 第39-42页 |
| 4.4.1 实验步骤 | 第39页 |
| 4.4.2 实验结果 | 第39-41页 |
| 4.4.3 对比实验及分析 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-44页 |
| 5.1 总结 | 第43页 |
| 5.2 展望 | 第43-44页 |
| 参考文献 | 第44-49页 |
| 致谢 | 第49-51页 |
| 在学期间的科研情况 | 第51页 |