| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究的背景及意义 | 第9-10页 |
| 1.2 交通标志识别系统的研究现状 | 第10-12页 |
| 1.3 交通标志检测和识别的难点 | 第12-14页 |
| 1.4 论文主要内容和组织结构 | 第14-16页 |
| 2 交通标志检测与识别算法研究 | 第16-21页 |
| 2.1 交通标志的基本知识 | 第16-17页 |
| 2.1.1 警告标志 | 第16页 |
| 2.1.2 禁令标志 | 第16页 |
| 2.1.3 指示标志 | 第16-17页 |
| 2.2 交通标志识别系统框架 | 第17-18页 |
| 2.3 交通标志检测算法 | 第18-19页 |
| 2.4 交通标志识别算法 | 第19-20页 |
| 2.4.1 模板匹配法 | 第19页 |
| 2.4.2 统计分类法 | 第19页 |
| 2.4.3 支持向量机的方法 | 第19-20页 |
| 2.4.4 卷积神经网络的方法 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 卷积神经网络 | 第21-30页 |
| 3.1 卷积神经网络的基本思想 | 第21-24页 |
| 3.1.1 接受域、局部连接和权值共享 | 第22-23页 |
| 3.1.2 子采样 | 第23-24页 |
| 3.2 卷积神经网络结构 | 第24-26页 |
| 3.2.1 输入层 | 第24-25页 |
| 3.2.2 卷积层 | 第25页 |
| 3.2.3 采样层 | 第25页 |
| 3.2.4 分类器 | 第25-26页 |
| 3.3 卷积神经网络的训练 | 第26-28页 |
| 3.3.1 卷积神经网络的前向传播 | 第27页 |
| 3.3.2 卷积神经网络的反向传播 | 第27-28页 |
| 3.4 卷积神经网络的其它相关问题 | 第28-29页 |
| 3.4.1 数据集的大小选择和划分 | 第28页 |
| 3.4.2 数据预处理及归一化 | 第28-29页 |
| 3.4.3 网络的初始化和学习速率设定 | 第29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 基于非对称卷积神经网络的交通标志检测算法研究 | 第30-43页 |
| 4.1 非对称卷积神经网络 | 第30-32页 |
| 4.2 交通标志检测 | 第32-37页 |
| 4.2.1 颜色转换 | 第33-34页 |
| 4.2.2 形状匹配 | 第34-36页 |
| 4.2.3 ROI提炼 | 第36-37页 |
| 4.2.4 非对称卷积神经网络分类 | 第37页 |
| 4.3 实验结果与分析 | 第37-42页 |
| 4.3.1 GTSDB数据集介绍 | 第37-38页 |
| 4.3.2 交通标志检测结果与分析 | 第38-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 基于多分辨率卷积神经网络的交通标志识别算法研究 | 第43-54页 |
| 5.1 交通标志识别系统结构 | 第43-44页 |
| 5.2 多分辨率卷积神经网络 | 第44-46页 |
| 5.3 基于多分辨率卷积神经网络的交通标志识别系统 | 第46-49页 |
| 5.3.1 系统结构 | 第46页 |
| 5.3.2 算法流程 | 第46-49页 |
| 5.4 实验结果与分析 | 第49-53页 |
| 5.4.1 GTSRB数据集介绍 | 第49-50页 |
| 5.4.2 交通标志识别结果与分析 | 第50-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |