基于深度学习的车型识别研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 车型识别的研究现状 | 第10-12页 |
| 1.2.2 深度学习的研究现状 | 第12-14页 |
| 1.3 研究难点 | 第14-15页 |
| 1.4 本文的主要内容和结构 | 第15-17页 |
| 1.4.1 主要内容 | 第15页 |
| 1.4.2 文章结构 | 第15-17页 |
| 第二章 深度学习与卷积神经网络 | 第17-31页 |
| 2.1 深度学习 | 第17-24页 |
| 2.1.1 人工神经网络 | 第17-19页 |
| 2.1.2 浅层学习与深层学习 | 第19-20页 |
| 2.1.3 多层感知器 | 第20-22页 |
| 2.1.4 反向传播算法 | 第22-24页 |
| 2.2 卷积神经网络 | 第24-30页 |
| 2.2.1 卷积神经网络的特点 | 第24-26页 |
| 2.2.2 卷积神经网络结构 | 第26-29页 |
| 2.2.3 卷积神经网络的训练 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于深度卷积神经网络的车型识别 | 第31-46页 |
| 3.1 常见的深度卷积神经网络模型 | 第31-34页 |
| 3.2 车型识别系统 | 第34-38页 |
| 3.2.1 车型识别系统的算法流程 | 第35页 |
| 3.2.2 数据集 | 第35-36页 |
| 3.2.3 目标车辆定位 | 第36-38页 |
| 3.3 基于深度卷积神经网络的车型识别算法模型 | 第38-39页 |
| 3.4 具体网络模型设计 | 第39-45页 |
| 3.4.1 输入层及输出层设计 | 第39-40页 |
| 3.4.2 卷积核设计 | 第40-42页 |
| 3.4.3 激活函数设计 | 第42-43页 |
| 3.4.4 网络层数设计 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 实验结果与分析 | 第46-54页 |
| 4.1 实验平台介绍 | 第46页 |
| 4.2 数据预处理 | 第46-47页 |
| 4.3 结果与分析 | 第47-52页 |
| 4.3.1 训练与测试结果分析 | 第47-50页 |
| 4.3.2 错误样本分析 | 第50-51页 |
| 4.3.3 GPU加速 | 第51-52页 |
| 4.4 界面设计 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 全文工作总结 | 第54-55页 |
| 5.2 工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第61页 |
