首页--交通运输论文--公路运输论文--汽车工程论文--汽车结构部件论文--电气设备及附件论文

基于车载摄像头的路面交通标志识别研究

致谢第7-8页
摘要第8-9页
ABSTRACT第9页
第一章 绪论第16-22页
    1.1 研究背景及意义第16-17页
    1.2 国内外研究现状第17-20页
        1.2.1 路面交通标志识别国内外研究现状第17-19页
        1.2.2 深度学习目标识别国内外研究现状第19-20页
    1.3 本文研究难点第20页
    1.4 论文主要工作及其结构第20-21页
    1.5 本章小结第21-22页
第二章 目标识别算法概述第22-36页
    2.1 引言第22页
    2.2 图像特征提取第22-25页
        2.2.1 HOG特征简介第22-24页
        2.2.2 Hu不变矩特征简介第24-25页
    2.3 分类算法第25-29页
        2.3.1 支持向量机简介第25-28页
        2.3.2 相似性度量第28-29页
    2.4 深度学习概述第29-33页
        2.4.1 深度学习简介第29-30页
        2.4.2 传统神经网络与深度神经网络第30-32页
        2.4.3 深度学习结构第32-33页
    2.5 卷积神经网络算法第33-35页
        2.5.1 卷积神经网络简介第33-34页
        2.5.2 卷积神经网络特征提取第34-35页
    2.6 本章小结第35-36页
第三章 基于HOG和SVM的路面交通标志识别第36-49页
    3.1 引言第36-37页
    3.2 车道线检测第37-45页
        3.2.1 LSD算法简介第38-40页
        3.2.2 基于约束性条件LSD车道线检测第40-44页
        3.2.3 实验结果以及分析第44-45页
    3.3 路面交通标志识别第45-48页
        3.3.1 路面交通标志分割第45-46页
        3.3.2 路面交通标志特征提取和识别第46-47页
        3.3.3 实验结果以及分析第47-48页
    3.4 本章小结第48-49页
第四章 基于深度学习的路面交通标志识别第49-62页
    4.1 SSD网络模型简介第49-52页
        4.1.1 RPN网络简介第49-50页
        4.1.2 SSD模型结构第50-52页
    4.2 AlexNet网络简介第52-53页
    4.3 基于深度学习的路面交通标志检测第53-55页
        4.3.1 基于深度学习的路面交通标志检测模型第53-54页
        4.3.2 路面交通标志识别流程第54-55页
    4.4 实验结果及分析第55-61页
        4.4.1 建立路面交通标志数据集第55-56页
        4.4.2 评价参数定义第56页
        4.4.3 实验结果及分析第56-60页
        4.4.4 难点分析第60-61页
    4.5 本章小结第61-62页
第五章 总结与展望第62-64页
    5.1 总结第62-63页
    5.2 展望第63-64页
参考文献第64-68页
攻读硕士学位期间的学术活动及成果情况第68-69页

论文共69页,点击 下载论文
上一篇:基于HDFS的分布式存储研究与优化
下一篇:光场相机的标定方法及深度估计研究