| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 车型检测研究背景 | 第8-9页 |
| 1.2 车型检测研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 本文主要研究内容 | 第11-12页 |
| 1.5 本文组织结构 | 第12-13页 |
| 2 卷积神经网络及其在车型检测中的应用 | 第13-24页 |
| 2.1 卷积神经网络 | 第13-17页 |
| 2.1.1 卷积神经网络的特性 | 第13-15页 |
| 2.1.2 卷积神经网络常见模型 | 第15-17页 |
| 2.2 基于卷积神经网络的车型检测方法 | 第17-22页 |
| 2.2.1 基于区域提名的方法 | 第17-19页 |
| 2.2.2 基于回归的方法 | 第19-22页 |
| 2.3 本章小结 | 第22-24页 |
| 3 改进YOLOv2的车型检测方法设计 | 第24-36页 |
| 3.1 车型数据集介绍 | 第24-25页 |
| 3.2 anchorboxes设计 | 第25-27页 |
| 3.3 激活函数设计 | 第27-28页 |
| 3.4 损失函数设计 | 第28-30页 |
| 3.5 网络模型设计 | 第30-35页 |
| 3.5.1 Model-A | 第31-33页 |
| 3.5.2 Model-B | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 改进车型检测模型实验分析 | 第36-50页 |
| 4.1 实验环境 | 第36页 |
| 4.2 客观评价指标 | 第36-38页 |
| 4.3 模型训练阶段分析 | 第38-41页 |
| 4.4 实验结果对比及分析 | 第41-45页 |
| 4.4.1 BIT-Vehicle测试数据集实验结果对比及分析 | 第41-43页 |
| 4.4.2 CompCars迁移测试数据集验证结果对比及分析 | 第43-45页 |
| 4.5 网络信息可视化 | 第45-49页 |
| 4.6 本章小结 | 第49-50页 |
| 5 车型检测微服务的设计与实现 | 第50-61页 |
| 5.1 车型检测微服务任务需求 | 第50-51页 |
| 5.2 车型检测微服务架构设计 | 第51-52页 |
| 5.3 主要功能设计 | 第52-57页 |
| 5.3.1 分布式服务功能 | 第53-54页 |
| 5.3.2 车型检测微服务申请功能 | 第54-55页 |
| 5.3.3 车型检测功能 | 第55-57页 |
| 5.4 主要功能实现及效果分析 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 研究工作总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |
| A 作者在攻读硕士学位期间发表的论文 | 第68页 |
| B 作者在攻读硕士学位期间参与的科研项目 | 第68页 |