| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-18页 |
| 1.1 研究的背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 卷积神经网络中存在的不足 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-18页 |
| 2 卷积神经网络相关理论及技术 | 第18-30页 |
| 2.1 概述 | 第18-19页 |
| 2.2 卷积神经网络的原理及特点 | 第19-21页 |
| 2.2.1 局部连接 | 第19-20页 |
| 2.2.2 权值共享 | 第20页 |
| 2.2.3 子采样操作 | 第20-21页 |
| 2.2.4 多卷积核 | 第21页 |
| 2.3 卷积神经网络的结构 | 第21-25页 |
| 2.3.1 卷积 | 第22-23页 |
| 2.3.2 池化 | 第23页 |
| 2.3.3 分类器 | 第23-25页 |
| 2.4 卷积神经网络的训练 | 第25-28页 |
| 2.4.1 向前传播与向后传播 | 第25-26页 |
| 2.4.2 单层神经网络训练 | 第26-27页 |
| 2.4.3 多层神经网络训练 | 第27-28页 |
| 2.5 卷积神经网络的优化 | 第28-29页 |
| 2.5.1 损失函数 | 第28页 |
| 2.5.2 随机梯度下降法 | 第28-29页 |
| 2.5.3 dropout | 第29页 |
| 2.5.4 dropConnect | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 基于Relu-Softplus激活函数的卷积神经网络 | 第30-42页 |
| 3.1 激活函数的作用 | 第30页 |
| 3.2 常见的激活函数及存在的问题 | 第30-33页 |
| 3.2.1 Sigmoid激活函数 | 第31-32页 |
| 3.2.2 Tanh激活函数 | 第32页 |
| 3.2.3 Relu激活函数 | 第32-33页 |
| 3.3 基于Relu-Softplus激活函数的卷积神经网路 | 第33-35页 |
| 3.4 实验验证 | 第35-40页 |
| 3.4.1 实验环境 | 第35-36页 |
| 3.4.2 验证数据集描述--MNIST手写字体数据集 | 第36-37页 |
| 3.4.3 实验结果及分析 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 4 基于K-means算法的卷积神经网络 | 第42-52页 |
| 4.1 有监督学习与无监督学习 | 第42-44页 |
| 4.1.1 有监督学习 | 第42-43页 |
| 4.1.2 无监督学习 | 第43页 |
| 4.1.3 两种学习方式的优缺点 | 第43-44页 |
| 4.2 基于K-means算法的卷积神经网络 | 第44-48页 |
| 4.3 其他深度学习框架—PCANet | 第48-49页 |
| 4.4 实验验证 | 第49-51页 |
| 4.4.1 验证数据集描述—Cifar-10数据集 | 第49页 |
| 4.4.2 实验结果及分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 卷积神经网络在路标识别系统中的应用 | 第52-80页 |
| 5.1 系统概述 | 第52-54页 |
| 5.2 系统需求分析 | 第54-57页 |
| 5.2.1 系统的功能性需求 | 第55-56页 |
| 5.2.2 系统的非功能性需求 | 第56-57页 |
| 5.3 系统概要设计 | 第57-67页 |
| 5.3.1 路标识别系统的功能模型 | 第57-58页 |
| 5.3.2 用户中心模块划分 | 第58页 |
| 5.3.3 路标检测模块划分 | 第58-61页 |
| 5.3.4 图像预处理模块划分 | 第61-65页 |
| 5.3.5 路标识别模块划分 | 第65-67页 |
| 5.4 系统详细设计与实现 | 第67-74页 |
| 5.4.1 系统开发环境 | 第67-69页 |
| 5.4.2 登录界面 | 第69-70页 |
| 5.4.3 系统主界面 | 第70-71页 |
| 5.4.4 路标检测界面 | 第71-72页 |
| 5.4.5 图像预处理界面 | 第72-73页 |
| 5.4.6 图像识别界面 | 第73-74页 |
| 5.5 实验验证 | 第74-78页 |
| 5.5.1 GTSRB数据集 | 第74-75页 |
| 5.5.2 GTSRB数据预处理 | 第75页 |
| 5.5.3 路标识别 | 第75-77页 |
| 5.5.4 实验结果分析 | 第77-78页 |
| 5.6 本章小结 | 第78-80页 |
| 6 总结与展望 | 第80-82页 |
| 6.1 总结 | 第80-81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-84页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第84-88页 |
| 学位论文数据集 | 第88页 |
