深度学习在车牌识别中的应用研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章. 绪论 | 第10-18页 |
| 1.1. 研究背景 | 第10-12页 |
| 1.2. 国内外研究现状 | 第12-14页 |
| 1.3. 主要研究内容及工作 | 第14-15页 |
| 1.4. 论文结构安排 | 第15-18页 |
| 第二章. 车牌识别与深度学习 | 第18-36页 |
| 2.1. 车牌识别 | 第18-21页 |
| 2.1.1. 传统车牌识别 | 第18-20页 |
| 2.1.2. 基于SSD的车牌识别 | 第20-21页 |
| 2.2. 深度学习与卷积神经网络 | 第21-26页 |
| 2.2.1. 深度学习 | 第21-23页 |
| 2.2.2. 卷积神经网络 | 第23-26页 |
| 2.3. 卷积神经网络的选取 | 第26-35页 |
| 2.3.1. 卷积神经网络模型简介 | 第27-31页 |
| 2.3.2. SSD模型 | 第31-35页 |
| 2.4. 小结 | 第35-36页 |
| 第三章. 数据集的构建 | 第36-49页 |
| 3.1. 中国车牌字符标准 | 第36-38页 |
| 3.2. 数据集来源 | 第38-41页 |
| 3.2.1. 数据集A部分 | 第38-40页 |
| 3.2.2. 数据集B部分 | 第40-41页 |
| 3.3. 训练集部分 | 第41-48页 |
| 3.3.1. 车牌字符的标记工具 | 第41-43页 |
| 3.3.2. 训练样本统计 | 第43-44页 |
| 3.3.3. 罕见汉字训练集 | 第44-48页 |
| 3.4. 小结 | 第48-49页 |
| 第四章. 基于SSD的车牌检测 | 第49-60页 |
| 4.1. 车牌定位算法 | 第49-50页 |
| 4.2. 车牌字符检测算法概述 | 第50-51页 |
| 4.3. 车牌识别算法的实现 | 第51-57页 |
| 4.3.1. 算法环境搭建 | 第51-53页 |
| 4.3.2. 模型的训练 | 第53-54页 |
| 4.3.3. 模型参数调整 | 第54-57页 |
| 4.4. 模糊车牌的问题 | 第57-59页 |
| 4.4.1. 训练集方面的工作 | 第58页 |
| 4.4.2. 模型参数的改变 | 第58-59页 |
| 4.5. 小结 | 第59-60页 |
| 第五章. 实验情况与分析 | 第60-71页 |
| 5.1. 实验需求与步骤 | 第60-61页 |
| 5.2. 模型的训练 | 第61-64页 |
| 5.3. 车牌字符识别实验分析 | 第64-70页 |
| 5.3.1. 车牌字符识别情况 | 第64-69页 |
| 5.3.2. 实验结果分析 | 第69-70页 |
| 5.4. 小结 | 第70-71页 |
| 第六章. 系统实现与效果 | 第71-79页 |
| 6.1. 概述 | 第71-72页 |
| 6.2. 系统架构 | 第72-75页 |
| 6.3. 系统实现 | 第75-79页 |
| 6.3.1. 系统配置 | 第75-76页 |
| 6.3.2. 系统界面 | 第76-79页 |
| 第七章. 总结与展望 | 第79-82页 |
| 7.1. 工作总结 | 第79-80页 |
| 7.2. 后续展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 附录 攻读硕士学位期间参与项目及科研成果 | 第87-88页 |
