基于深度学习的车辆属性识别研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 深度学习国内外研究现状 | 第11-12页 |
| 1.2.2 车型识别国内外研究现状 | 第12-14页 |
| 1.2.3 颜色识别国内外研究现状 | 第14-15页 |
| 1.3 论文主要工作及组织结构 | 第15-18页 |
| 2 深度学习与卷积神经网络 | 第18-30页 |
| 2.1 人工神经网络 | 第18-20页 |
| 2.2 深度学习概述 | 第20-22页 |
| 2.3 深度学习基本理论 | 第22-25页 |
| 2.3.1 特征学习方法 | 第22-24页 |
| 2.3.2 深度学习训练方法 | 第24-25页 |
| 2.4 卷积神经网络 | 第25-28页 |
| 2.4.1 卷积神经网络结构 | 第25-28页 |
| 2.4.2 卷积神经网络优点 | 第28页 |
| 2.5 深度学习的应用 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 基于深度学习的车型识别研究 | 第30-38页 |
| 3.1 基于Alexnet深度学习模型的车型识别 | 第30-31页 |
| 3.2 基于VGGNet深度学习模型的车型识别 | 第31-33页 |
| 3.3 基于改进深度学习模型的车型识别 | 第33-35页 |
| 3.3.1 改进深度学习模型的构建方法 | 第33-34页 |
| 3.3.2 训练方法 | 第34-35页 |
| 3.4 实验分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 基于多标签深度学习模型的车型与颜色识别 | 第38-48页 |
| 4.1 构建多标签深度学习模型 | 第39-41页 |
| 4.2 实验结果与分析 | 第41-48页 |
| 4.2.1 实验环境及数据集 | 第41-42页 |
| 4.2.2 实验分析 | 第42-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 下一步工作展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 作者简历 | 第54-56页 |
| 学位论文数据集 | 第56页 |
