首页--交通运输论文--公路运输论文--汽车工程论文--整车设计与计算论文

基于深度学习的汽车前脸特征点提取及其应用

摘要第2-3页
Abstract第3-4页
1 绪论第7-16页
    1.1 研究背景第7-9页
    1.2 相关工作第9-14页
        1.2.1 图像分类识别第10-12页
        1.2.2 特征点定位第12-13页
        1.2.3 汽车前脸相关研究第13-14页
    1.3 主要工作第14-15页
    1.4 本章小结第15-16页
2 汽车前脸造型概述和分类理由第16-33页
    2.1 前脸造型概述第17-19页
    2.2 前脸分类分析第19-24页
        2.2.1 格式塔理论和汽车前脸造型第19-21页
        2.2.2 人脸检测技术和汽车前脸造型第21-22页
        2.2.3 汽车前脸分类第22-24页
    2.3 汽车前脸特征线和特征点定义第24-32页
        2.3.1 汽车前脸特征线定义第24-29页
        2.3.2 汽车前脸特征点定义第29-32页
    2.4 本章小结第32-33页
3 算法概述第33-40页
    3.1 分类识别算法概述第33-36页
        3.1.1 深度学习概述第33页
        3.1.2 PCANet概述第33-34页
        3.1.3 卷积神经网络概述第34-36页
    3.2 特征点定义算法概述概述第36-39页
        3.2.1 二值特征回归算法概述第36-37页
        3.2.2 DAN算法概述第37-39页
    3.3 本章小结第39-40页
4 前脸分类和特征点识别第40-67页
    4.1 数据库创建第40-49页
        4.1.1 汽车前视图数据库和分类库创建第40-44页
        4.1.2 汽车前视图关键点标注库创建第44-49页
    4.2 汽车前视图自动分类第49-53页
        4.2.1 分类精度与识别效率分析第49-51页
        4.2.2 分类误差分析第51-53页
    4.3 特征点定位第53-60页
        4.3.1 特征点定位结果与效率分析第53-57页
        4.3.2 定位误差分析第57-60页
    4.4 基于特征点定位的二维特征线提取第60-65页
    4.5 本章小结第65-67页
结论第67-68页
参考文献第68-72页
攻读硕士学位期间发表学术论文情况第72-73页
致谢第73-75页

论文共75页,点击 下载论文
上一篇:基于短期工况预测的PHEV能量管理策略研究
下一篇:伺服工艺对板料成形性影响的研究