| 摘要 | 第2-3页 |
| ABSTRACT | 第3-4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 课题研究的背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文结构安排及主要内容 | 第10-11页 |
| 第2章 基于LeNet-5网络模型的交通标记识别方案设计 | 第11-23页 |
| 2.1 介绍 | 第11页 |
| 2.2 方案设计 | 第11-17页 |
| 2.2.1 基于传统数字图像处理的方法 | 第13-14页 |
| 2.2.2 基于机器学习的方案 | 第14-16页 |
| 2.2.3 LeNet-5网络 | 第16-17页 |
| 2.3 实验过程 | 第17-22页 |
| 2.3.1 测试环境搭建 | 第17-18页 |
| 2.3.2 制作网络proto文件 | 第18-19页 |
| 2.3.3 准备训练数据集 | 第19-22页 |
| 2.4 小结 | 第22-23页 |
| 第3章 道路物体检测 | 第23-33页 |
| 3.1 介绍 | 第23页 |
| 3.2 方案设计 | 第23-29页 |
| 3.2.1 传统的滑动窗口方案 | 第23-25页 |
| 3.2.2 MobileNet-SSD深度神经网络方案 | 第25-29页 |
| 3.3 实验过程 | 第29-32页 |
| 3.3.1 数据集 | 第29页 |
| 3.3.2 训练 | 第29-31页 |
| 3.3.3 测试 | 第31-32页 |
| 3.4 小结 | 第32-33页 |
| 第4章 深度神经网络在低成本嵌入式硬件上的部署 | 第33-41页 |
| 4.1 介绍 | 第33-34页 |
| 4.2 方案设计 | 第34-40页 |
| 4.2.1 单Raspberry Pi 3B | 第34-35页 |
| 4.2.2 Raspberry Pi 3+Movidus NCS | 第35-40页 |
| 4.3 小结 | 第40-41页 |
| 第5章 总结与展望 | 第41-43页 |
| 5.1 论文工作总结 | 第41页 |
| 5.2 未来工作展望 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 附录一、交通标志识别模型代码 | 第46-53页 |
| 附录二、交通标志lmdb转换代码 | 第53-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间参加项目及获得荣誉情况 | 第56-57页 |
