基于深度学习的车牌识别技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 我国车牌识别技术的难点分析 | 第11-12页 |
| 1.4 本文的研究内容 | 第12页 |
| 1.5 本文的结构安排 | 第12-13页 |
| 1.6 本章小结 | 第13-14页 |
| 2 相关基础知识 | 第14-40页 |
| 2.1 人工神经网络 | 第14-24页 |
| 2.1.1 神经元模型 | 第14-16页 |
| 2.1.2 感知机 | 第16页 |
| 2.1.3 BP神经网络 | 第16-19页 |
| 2.1.4 卷积神经网络 | 第19-24页 |
| 2.2 深度学习 | 第24-37页 |
| 2.2.1 深度学习概述 | 第24-25页 |
| 2.2.2 深度学习框架 | 第25-27页 |
| 2.2.3 CAFFE网络结构定义 | 第27-32页 |
| 2.2.4 目标检测网络 | 第32-37页 |
| 2.3 基于Socket的网络通信技术 | 第37-39页 |
| 2.4 本章小结 | 第39-40页 |
| 3 基于深度学习的车牌定位 | 第40-59页 |
| 3.1 构建车牌检测的网络框架 | 第40-45页 |
| 3.2 整理训练数据 | 第45-51页 |
| 3.2.1 数据的清洗 | 第45-46页 |
| 3.2.2 数据的标注 | 第46-49页 |
| 3.2.3 数据集的生成 | 第49-51页 |
| 3.3 训练网络模型 | 第51-55页 |
| 3.4 测试网络模型 | 第55-58页 |
| 3.5 本章小结 | 第58-59页 |
| 4 基于深度学习的车牌识别 | 第59-70页 |
| 4.1 构建车牌字符检测的网络框架 | 第59-61页 |
| 4.2 准备数据集 | 第61-63页 |
| 4.3 训练网络模型 | 第63-64页 |
| 4.4 测试网络模型 | 第64-65页 |
| 4.5 检测结果后处理 | 第65-68页 |
| 4.6 网络模型的优化 | 第68-69页 |
| 4.7 本章小结 | 第69-70页 |
| 5 车牌定位和车牌识别的实际应用 | 第70-74页 |
| 5.1 车牌定位和车牌识别的融合 | 第70-71页 |
| 5.2 在线检测 | 第71-73页 |
| 5.3 本章小结 | 第73-74页 |
| 总结和展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读硕士学位期间发表的学术论文及科研成果 | 第82-84页 |
