| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 课题的研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 交通标志检测方法研究现状 | 第10-14页 |
| 1.2.2 交通标志识别方法研究现状 | 第14-16页 |
| 1.3 当前存在的问题 | 第16-17页 |
| 1.4 本文主要研究内容 | 第17页 |
| 1.5 本文章节安排 | 第17-20页 |
| 第二章 CNN基本原理 | 第20-28页 |
| 2.1 CNN识别原理 | 第20-21页 |
| 2.2 CNN特征提取 | 第21-26页 |
| 2.2.1 卷积层 | 第21-22页 |
| 2.2.2 降采样层 | 第22页 |
| 2.2.3 全连接层 | 第22-24页 |
| 2.2.4 学习率 | 第24-25页 |
| 2.2.5 激活函数 | 第25-26页 |
| 2.3 CNN在图像分类中的应用 | 第26页 |
| 2.4 CNN在交通标志识别中的应用 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于HOG-BCNN与级联分类器的交通标志检测方法 | 第28-44页 |
| 3.1 概述 | 第28-29页 |
| 3.2 利用HOG特征训练级联分类器 | 第29-33页 |
| 3.2.1 HOG特征 | 第29-30页 |
| 3.2.2 级联分类器 | 第30-33页 |
| 3.3 结合径向对称特征过滤误检窗口 | 第33-37页 |
| 3.3.1 径向对称变换原理 | 第33-36页 |
| 3.3.2 径向对称变换过滤误检窗口 | 第36-37页 |
| 3.4 基于自学习特征过滤误检窗口 | 第37-39页 |
| 3.4.1 BCNN样本集 | 第38页 |
| 3.4.2 BCNN过滤误检 | 第38-39页 |
| 3.5 实验结果与分析 | 第39-42页 |
| 3.5.1 BCNN网络结构 | 第40页 |
| 3.5.2 实验及分析 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于CNN的交通标志识别 | 第44-52页 |
| 4.1 交通标志数据集 | 第44页 |
| 4.2 基于仿射变换的数据增广 | 第44-46页 |
| 4.3 FTSR-CNN网络结构设计 | 第46-48页 |
| 4.4 实验结果与分析 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52页 |
| 5.2 课题后续研究展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 发表论文和参加科研情况 | 第60-62页 |
| 致谢 | 第62页 |