复杂环境下交通标志牌的检测和识别
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 当前存在的难点 | 第14-15页 |
| 1.4 论文主要研究内容 | 第15-16页 |
| 1.5 论文组织结构 | 第16-17页 |
| 第二章 深度学习理论基础 | 第17-38页 |
| 2.1 引言 | 第17页 |
| 2.2 全连接神经网络 | 第17-25页 |
| 2.2.1 人工神经元与激活函数 | 第17-19页 |
| 2.2.2 正向传播 | 第19-20页 |
| 2.2.3 反向传播 | 第20-25页 |
| 2.3 卷积神经网络 | 第25-33页 |
| 2.3.1 卷积神经网络概述 | 第25-26页 |
| 2.3.2 卷积神经网络几大特性 | 第26-29页 |
| 2.3.3 卷积神经网络相关操作过程 | 第29-33页 |
| 2.4 深度学习的难点 | 第33-37页 |
| 2.4.1 欠拟合 | 第33-36页 |
| 2.4.2 过拟合 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 基于优化网络结构的交通标志检测 | 第38-51页 |
| 3.1 引言 | 第38-39页 |
| 3.2 目标检测的发展 | 第39-41页 |
| 3.3 检测算法结构设计 | 第41-45页 |
| 3.3.1 RPN结构 | 第42-44页 |
| 3.3.2 优化的网络结构 | 第44-45页 |
| 3.4 交通标志数据集基准 | 第45-47页 |
| 3.4.1 数据集增强处理 | 第46-47页 |
| 3.5 实验及结果分析 | 第47-50页 |
| 3.5.1 实验结果及分析 | 第47-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 基于优化网络结构的交通标志识别 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 数据集标注 | 第51-52页 |
| 4.3 交通标志识别框架 | 第52-53页 |
| 4.4 softmax类别采样损失函数 | 第53-55页 |
| 4.5 实验及结果分析 | 第55-60页 |
| 4.5.1 实验结果及分析 | 第55-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-64页 |
| 5.1 论文工作总结 | 第61-62页 |
| 5.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位发表论文 | 第70-72页 |
| 致谢 | 第72页 |
