| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 车型识别研究现状 | 第16-18页 |
| 1.2.2 目标检测研究现状 | 第18-20页 |
| 1.3 本文的章节安排 | 第20-23页 |
| 第二章 图像处理与深度学习 | 第23-35页 |
| 2.1 图像预处理 | 第23-25页 |
| 2.1.1 图像平滑 | 第23-24页 |
| 2.1.2 直方图均衡化 | 第24-25页 |
| 2.2 深度学习基础理论 | 第25-26页 |
| 2.3 卷积神经网络 | 第26-27页 |
| 2.4 卷积神经网络的训练方法 | 第27-30页 |
| 2.5 基于深度学习的目标检测方法 | 第30-34页 |
| 2.5.1 两阶段目标检测方法 | 第30-32页 |
| 2.5.2 单阶段目标检测方法 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 改进的特征金字塔SSD模型汽车部件检测模型 | 第35-45页 |
| 3.1 SSD和特征金字塔网络 | 第35-40页 |
| 3.1.1 SSD整体结构 | 第35-37页 |
| 3.1.2 Res Net结构分析 | 第37-38页 |
| 3.1.3 FPN详细分析 | 第38-40页 |
| 3.2 网络结构设计 | 第40-43页 |
| 3.3 实验分析 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于全局-局部特征联合的车型识别模型 | 第45-63页 |
| 4.1 概述 | 第45-46页 |
| 4.2 常用图像分类网络 | 第46-52页 |
| 4.2.1 常用网络结构 | 第46-50页 |
| 4.2.2 网络对比分析 | 第50-51页 |
| 4.2.3 特征可视化 | 第51-52页 |
| 4.3 车型识别专用网络 | 第52-58页 |
| 4.3.1 基于Alex Net的改进车型分类网络 | 第52-53页 |
| 4.3.2 融合区域特征提取的车型识别网络 | 第53-56页 |
| 4.3.3 基于车辆前脸图像的车型分类系统设计 | 第56-58页 |
| 4.4 车型识别演示系统的设计与实现 | 第58-62页 |
| 4.4.1 车型识别软件框架 | 第58-60页 |
| 4.4.2 前端展示模块设计与实现 | 第60页 |
| 4.4.3 后端处理模块设计与实现 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文总结 | 第63-64页 |
| 5.2 工作展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简介 | 第71-72页 |