| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 路标识别的困难 | 第15-17页 |
| 1.4 论文的研究内容及结构安排 | 第17-18页 |
| 第2章 目标识别中的主要技术 | 第18-27页 |
| 2.1 梯度下降和反向传播 | 第19-20页 |
| 2.2 激活函数 | 第20-21页 |
| 2.3 目标检测 | 第21-24页 |
| 2.3.1 滑动窗口法(SlidingWindow) | 第21页 |
| 2.3.2 选择性搜索法(SelectiveSearch) | 第21-23页 |
| 2.3.3 区域候选网络法(RegionProposalNetwork) | 第23-24页 |
| 2.4 目标分类 | 第24-26页 |
| 2.4.1 二分类与逻辑回归 | 第24-25页 |
| 2.4.2 多分类与softmax | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于深度神经网络的微小路标检测 | 第27-45页 |
| 3.1 检测阶段的模型结构 | 第29-30页 |
| 3.2 通过聚类得到模板 | 第30-32页 |
| 3.3 损失函数 | 第32页 |
| 3.4 提高输入图像分辨率 | 第32-35页 |
| 3.4.1 提高分辨率对小路标检测精度的影响 | 第32-33页 |
| 3.4.2 实验设计及结果分析 | 第33-35页 |
| 3.5 Type_AB模板选择策略 | 第35-37页 |
| 3.6 结合上下文信息 | 第37-39页 |
| 3.6.1 结合上下文信息对小路标检测精度的影响 | 第37-38页 |
| 3.6.2 实验设计及结果分析 | 第38-39页 |
| 3.7 神经网络的深度对小路标检测的影响 | 第39-42页 |
| 3.8 模型收敛速度及实验软硬件环境 | 第42-43页 |
| 3.9 检测效果 | 第43页 |
| 3.10 本章小结 | 第43-45页 |
| 第4章 基于深度神经网络的微小路标分类 | 第45-54页 |
| 4.1 数据集处理 | 第45-46页 |
| 4.2 算法设计 | 第46-47页 |
| 4.3 实验结果分析 | 第47-52页 |
| 4.3.1 评价指标 | 第47页 |
| 4.3.2 实验数据分析 | 第47-49页 |
| 4.3.3 效果图展示 | 第49-52页 |
| 4.4 实验软硬件环境 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 本文工作总结 | 第54页 |
| 未来工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第60页 |
