| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 课题意义与研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-23页 |
| 1.2.1 目标检测算法 | 第13-15页 |
| 1.2.2 交通图像中的目标检测 | 第15-17页 |
| 1.2.3 基于卷积神经网络的目标检测 | 第17-21页 |
| 1.2.4 检测框获取方法 | 第21-22页 |
| 1.2.5 视觉算法的移动平台应用 | 第22-23页 |
| 1.3 研究内容和章节安排 | 第23-25页 |
| 第2章 区域卷积神经网络模型研究和实时性优化 | 第25-40页 |
| 2.1 区域卷积神经网络目标检测模型的原理和结构 | 第25-31页 |
| 2.1.1 区域卷积神经网络深度学习 | 第25-29页 |
| 2.1.2 最优化求解过程 | 第29-30页 |
| 2.1.3 改进的卷积神经网络检测算法结构 | 第30-31页 |
| 2.2 深度学习过程的关键函数分析 | 第31-33页 |
| 2.2.1 损失函数的对比和选择 | 第31-32页 |
| 2.2.2 激活函数的对比和选择 | 第32-33页 |
| 2.3 目标检测模型验证实验 | 第33-39页 |
| 2.3.1 实验平台 | 第33-34页 |
| 2.3.2 实验评价指标 | 第34-36页 |
| 2.3.3 实验结果分析 | 第36-38页 |
| 2.3.4 检测算法的进一步改进 | 第38-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第3章 区域建议网络研究和检测区域优化 | 第40-50页 |
| 3.1 选择性分割和区域建议网络 | 第40-43页 |
| 3.1.1 选择性分割 | 第41-42页 |
| 3.1.2 区域建议网络 | 第42-43页 |
| 3.1.3 区域建议网络算法测试和分析 | 第43页 |
| 3.2 道路区域划分法 | 第43-45页 |
| 3.2.1 基于纹理的消失点检测 | 第44-45页 |
| 3.2.2 消失点法在区域建议过程的应用 | 第45页 |
| 3.3 改进检测区域生成算法验证实验 | 第45-49页 |
| 3.3.1 消失点检测实验 | 第45-46页 |
| 3.3.2 消失点检测和RPN算法的结合应用实验 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 非极大值抑制算法研究和高斯加权优化 | 第50-61页 |
| 4.1 非极大值抑制算法测试和分析 | 第50-52页 |
| 4.1.1 非极大值抑制算法 | 第50-51页 |
| 4.1.2 非极大值抑制算法性能分析 | 第51-52页 |
| 4.2 G-NMS加权筛选法 | 第52-56页 |
| 4.2.1 加权筛选法 | 第52-54页 |
| 4.2.2 G-NMS加权筛选法在检测模型中的应用 | 第54-56页 |
| 4.3 改进的G-NMS方法验证实验 | 第56-60页 |
| 4.3.1 参数对比实验 | 第56-57页 |
| 4.3.2 准确率-查全率曲线对比 | 第57-58页 |
| 4.3.3 检测效果和对比 | 第58-60页 |
| 4.3.4 实验结论 | 第60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 检测算法在辅助驾驶和移动平台中的应用 | 第61-72页 |
| 5.1 检测算法在自动驾驶中的应用实验 | 第61-62页 |
| 5.1.1 环境感知模拟实验平台 | 第61-62页 |
| 5.1.2 环境感知模拟实验流程 | 第62页 |
| 5.2 检测算法的环境感知效果分析 | 第62-66页 |
| 5.2.1 各类目标通用性分析 | 第62-63页 |
| 5.2.2 遮挡检测效果和分析 | 第63-64页 |
| 5.2.3 不完整目标检测效果和分析 | 第64-65页 |
| 5.2.4 光线分析检测效果和分析 | 第65-66页 |
| 5.3 移动实验平台算法实验 | 第66-71页 |
| 5.3.1 平台搭建和平台功能 | 第66-68页 |
| 5.3.2 移动平台算法测试实验 | 第68-70页 |
| 5.3.3 移动平台实验总结 | 第70-71页 |
| 5.4 本章小结 | 第71-72页 |
| 结论 | 第72-75页 |
| 参考文献 | 第75-83页 |
| 致谢 | 第83页 |