| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 论文的研究背景及意义 | 第10-12页 |
| 1.2 论文的研究背景及意义 | 第12-15页 |
| 1.2.1 通用目标检测算法现状 | 第12-13页 |
| 1.2.2 交通标志、信号灯的检测研究现状 | 第13-14页 |
| 1.2.3 小目标检测算法现状 | 第14-15页 |
| 1.3 论文的研究内容与创新 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第2章 目标检测算法概述 | 第18-34页 |
| 2.1 传统目标检测算法 | 第18-23页 |
| 2.1.1 手工特征 | 第18-20页 |
| 2.1.2 分类器 | 第20-23页 |
| 2.2 基于区域的目标检测 | 第23-27页 |
| 2.2.1 建议区域算法 | 第23-24页 |
| 2.2.2 区域卷积网络(R-CNN) | 第24-27页 |
| 2.3 基于边缘的目标检测 | 第27-30页 |
| 2.3.1 边缘检测算法 | 第27-29页 |
| 2.3.2 边缘边框算法(EdgeBoxes) | 第29-30页 |
| 2.4 目标检测算法结果过滤和评测 | 第30-33页 |
| 2.4.1 检测结果过滤 | 第30-32页 |
| 2.4.2 检测结果评测 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于区域卷积的小尺寸交通标志检测 | 第34-51页 |
| 3.1 引言 | 第34页 |
| 3.2 Faster R-CNN 目标检测算法 | 第34-38页 |
| 3.2.1 从 R-CNN 到 Fast R-CNN | 第34-36页 |
| 3.2.2 区域提议网络(RPN) | 第36-38页 |
| 3.3 改进RPN用于小尺寸建议区域提取 | 第38-43页 |
| 3.3.1 BDCI交通标志检测数据集简介 | 第38-40页 |
| 3.3.2 参考窗口尺寸分析与调整 | 第40-41页 |
| 3.3.3 RPN基础网络调整 | 第41-43页 |
| 3.4 改进 Faster RCNN 的小尺寸交通标志检测 | 第43-45页 |
| 3.5 实验结果与分析 | 第45-50页 |
| 3.5.1 实验设置 | 第45页 |
| 3.5.2 实验结果与分析 | 第45-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 基于弱边缘的小尺寸交通标志检测 | 第51-70页 |
| 4.1 引言 | 第51页 |
| 4.2 HED边缘检测网络 | 第51-57页 |
| 4.2.1 深度监督网络DSN | 第51-54页 |
| 4.2.2 HED边缘检测网络 | 第54-57页 |
| 4.3 基于弱边缘的建议区域算法 | 第57-59页 |
| 4.3.1 基于HED弱边缘的多实例建议区域 | 第57-59页 |
| 4.3.2 基于 HED 和 EdgeBoxes 的单实例建议区域 | 第59页 |
| 4.4 改进的基于弱边缘的建议区域算法 | 第59-63页 |
| 4.4.1 基于HED弱边缘的多实例建议区域 | 第60-62页 |
| 4.4.2 多实例建议区域评估 | 第62-63页 |
| 4.4.3 基于 RCF 和 RPN 的单实例建议区域 | 第63页 |
| 4.5 基于弱边缘的小尺寸交通标志检测算法框架 | 第63-64页 |
| 4.6 实验结果与分析 | 第64-69页 |
| 4.6.1 实验设置 | 第64页 |
| 4.6.2 实验结果与分析 | 第64-69页 |
| 4.7 本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间参加的科研项目和成果 | 第79页 |
