| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| Chapter 1 Introduction | 第13-19页 |
| 1.1 Motivation | 第13-16页 |
| 1.2 Problem statement | 第16-17页 |
| 1.3 Research Questions | 第17页 |
| 1.4 Outline of the Thesis | 第17-19页 |
| Chapter 2 Background | 第19-46页 |
| 2.1 Neural Networks | 第19-22页 |
| 2.2 Deep Learning | 第22-27页 |
| 2.3 Deep Learning Based Object detection | 第27-42页 |
| 2.2.1 CNN | 第30-36页 |
| 2.2.2 R-CNN | 第36-38页 |
| 2.2.3 Fast R-CNN | 第38-40页 |
| 2.2.4 Faster R-CNN | 第40-42页 |
| 2.4 Caffe Platform | 第42-45页 |
| 2.5 Summary | 第45-46页 |
| Chapter 3 Switch Detection | 第46-58页 |
| 3.1 Structure of Switch Slot and Switch Rod | 第46页 |
| 3.2 Faster R-CNN | 第46-53页 |
| 3.3 Experiments | 第53-57页 |
| 3.4 Summary | 第57-58页 |
| Chapter 4 Switch State Recognition | 第58-69页 |
| 4.1 Extraction of ROI of Switch Rod | 第58-60页 |
| 4.2 State Recognition With Support Vector Machine | 第60-66页 |
| 4.2.1 SVM Training for Switch State Recognition | 第64-66页 |
| 4.3 Datasets used for experiments | 第66页 |
| 4.4 Experimental | 第66-68页 |
| 4.5 Summary | 第68-69页 |
| Chapter 5 Conclusion | 第69-71页 |
| 5.1 Conclusion Remarks | 第69-70页 |
| 5.2 Future Work | 第70-71页 |
| Acknowledgements | 第71-72页 |
| References | 第72-77页 |
