首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--电子计算机在公路运输和公路工程中的应用论文

交通标志检测与识别技术的研究与应用

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第11-19页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 交通标志检测技术研究现状第12-13页
        1.2.2 交通标志识别技术研究现状第13-14页
        1.2.3 存在问题及难点分析第14-15页
    1.3 论文主要工作第15-16页
    1.4 论文章节安排第16-19页
第二章 研究基础第19-29页
    2.1 交通标志与数据集第19-20页
        2.1.1 我国交通标志概况第19页
        2.1.2 交通标志数据集第19-20页
    2.2 图像处理基础第20-22页
        2.2.1 颜色空间第20-21页
        2.2.2 线性滤波与卷积运算第21-22页
    2.3 机器学习基础第22-24页
        2.3.1 有监督学习第23-24页
        2.3.2 梯度下降法第24页
        2.3.3 Softmax函数第24页
    2.4 人工神经网络第24-27页
        2.4.1 神经元第25页
        2.4.2 激活函数第25-27页
        2.4.3 反向传播算法第27页
    2.5 卷积神经网络第27-28页
        2.5.1 基本结构第27-28页
        2.5.2 深度学习框架Caffe第28页
    2.6 本章小结第28-29页
第三章 图像去雾预处理第29-39页
    3.1 基础理论第29-31页
        3.1.1 雾图成像模型第30页
        3.1.2 暗通道先验第30-31页
    3.2 行车场景下的快速图像去雾算法第31-36页
        3.2.1 行车场景下的大气光强度估计第32-33页
        3.2.2 粗估计透射率分布第33-34页
        3.2.3 基于导向滤波细化透射率分布第34-35页
        3.2.4 基于快速导向滤波细化透射率分布第35-36页
        3.2.5 图像恢复第36页
    3.3 实验结果分析第36-38页
        3.3.1 去雾效果第36-37页
        3.3.2 运行时间第37-38页
    3.4 本章小结第38-39页
第四章 交通标志检测第39-51页
    4.1 基于多尺度全卷积网络的交通标志检测算法第39-43页
        4.1.1 全卷积网络第39-41页
        4.1.2 多尺度输入机制第41-42页
        4.1.3 非极大值抑制第42-43页
    4.2 训练数据第43-44页
        4.2.1 数据准备第43页
        4.2.2 数据增强第43-44页
    4.3 模型的设计与训练第44-47页
        4.3.1 模型设计第44-45页
        4.3.2 模型训练第45-47页
    4.4 算法应用第47-49页
        4.4.1 模型转换第47页
        4.4.2 实验结果第47-49页
    4.5 本章小结第49-51页
第五章 交通标志识别第51-57页
    5.1 训练数据第51-52页
    5.2 模型的设计与训练第52-55页
        5.2.1 模型设计第52-54页
        5.2.2 模型训练第54-55页
    5.3 算法应用第55-56页
    5.4 本章小结第56-57页
第六章 原型系统设计与算法性能分析第57-67页
    6.1 系统需求分析第57页
    6.2 系统总体设计第57-59页
        6.2.1 系统流程设计第57-58页
        6.2.2 系统架构设计第58-59页
    6.3 系统功能设计第59-61页
        6.3.1 数据处理功能第59-60页
        6.3.2 数据可视化功能第60-61页
    6.4 算法性能分析第61-66页
    6.5 本章小结第66-67页
第七章 总结与展望第67-69页
    7.1 论文工作总结第67-68页
    7.2 未来工作展望第68-69页
参考文献第69-73页
致谢第73-75页
攻读学位期间取得的研究成果第75页

论文共75页,点击 下载论文
上一篇:基于WSN的物联网服务发现算法研究
下一篇:可搜索加密隐私保护技术研究