| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 交通标志检测和分类存在的困难 | 第13-14页 |
| 1.4 论文研究内容及结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 TSDR系统关键技术介绍 | 第16-27页 |
| 2.1 我国交通标志牌标准 | 第16-18页 |
| 2.2 交通标志牌检测方法概述 | 第18-24页 |
| 2.2.1 基于颜色特征的交通标志牌检测算法 | 第18-21页 |
| 2.2.2 基于形状信息的交通标志牌检测算法 | 第21-22页 |
| 2.2.3 基于学习的交通标志牌检测算法 | 第22-24页 |
| 2.3 交通标志牌分类方法概述 | 第24-26页 |
| 2.3.1 传统分类方法 | 第24页 |
| 2.3.2 CNN分类方法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于SVM和MSER的交通标志牌检测算法 | 第27-43页 |
| 3.1 SVM简介 | 第27-30页 |
| 3.2 MSER最大稳定极值区域 | 第30-31页 |
| 3.3 HOG方向梯度直方图 | 第31-34页 |
| 3.4 本文检测算法步骤与流程图 | 第34-35页 |
| 3.5 实验分析 | 第35-42页 |
| 3.5.1 GTSDB数据集介绍 | 第35-36页 |
| 3.5.2 结果分析 | 第36-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于改进lenet-5 交通标志牌分类算法 | 第43-62页 |
| 4.1 传统lenet-5 网络结构 | 第43-50页 |
| 4.1.1 卷积神经网络发展历史 | 第43页 |
| 4.1.2 lenet-5 网络结构 | 第43-47页 |
| 4.1.3 网络训练 | 第47-50页 |
| 4.2 改进的lenet-5 网络结构 | 第50-54页 |
| 4.3 本文分类算法步骤与流程图 | 第54-55页 |
| 4.4 实验分析 | 第55-61页 |
| 4.4.1 GTSRB数据集介绍 | 第55-57页 |
| 4.4.2 结果分析 | 第57-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-63页 |
| 5.1 工作总结 | 第62页 |
| 5.2 下一步展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 作者简介及在学期间所取得的科研成果 | 第68-69页 |
| 致谢 | 第69页 |