深度卷积神经网络在车牌和人脸检测领域的应用研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 选题背景与研究意义 | 第10-11页 |
| 1.2 目标检测发展状况 | 第11-12页 |
| 1.3 车牌和人脸检测问题描述 | 第12-14页 |
| 1.3.1 车牌检测问题描述 | 第12-13页 |
| 1.3.2 人脸检测问题描述 | 第13-14页 |
| 1.4 主要工作与章节安排 | 第14-15页 |
| 2 机器学习算法 | 第15-23页 |
| 2.1 机器学习 | 第15-17页 |
| 2.1.1 什么是机器学习 | 第15页 |
| 2.1.2 机器学习的基本思想 | 第15-16页 |
| 2.1.3 机器学习的常用方法 | 第16-17页 |
| 2.2 Boosting算法 | 第17-19页 |
| 2.2.1 Boosting算法介绍 | 第17-19页 |
| 2.3 多层感知器（MLP） | 第19-23页 |
| 2.3.1 感知器 | 第19-20页 |
| 2.3.2 多层感知器 | 第20-21页 |
| 2.3.3 反向传播算法 | 第21-23页 |
| 3 深度卷积神经网络 | 第23-34页 |
| 3.1 深度学习模型 | 第23-26页 |
| 3.1.1 深度学习是什么 | 第23-25页 |
| 3.1.2 深度学习的思想 | 第25-26页 |
| 3.2 深度卷积神经网络 | 第26-34页 |
| 3.2.1 卷积神经网络 | 第26-28页 |
| 3.2.2 自编码器（Autoencoders） | 第28-30页 |
| 3.2.3 深度卷积神经网络 | 第30-34页 |
| 4 基于深度卷积神经网络的车牌和人脸检测 | 第34-51页 |
| 4.1 实验环境与设置 | 第34-35页 |
| 4.2 基于深度卷积神经网络的人脸检测 | 第35-42页 |
| 4.3 基于深度卷积神经网络的车牌检测 | 第42-49页 |
| 4.4 问题讨论 | 第49-51页 |
| 5 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第58页 |
