基于深度学习的车辆颜色识别技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.4 本文章节安排 | 第13-14页 |
| 第二章 相关技术简介 | 第14-27页 |
| 2.1 低质图像增强技术 | 第14-18页 |
| 2.1.1 过滤图像噪声技术 | 第14-16页 |
| 2.1.2 高光去除技术 | 第16-18页 |
| 2.2 颜色特征提取技术 | 第18-22页 |
| 2.2.1 颜色直方图 | 第18-20页 |
| 2.2.2 BQMP技术 | 第20-22页 |
| 2.3 特征提取在目标分类的研究 | 第22-26页 |
| 2.3.1 SVM分类器 | 第23-25页 |
| 2.3.2 神经网络 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于深度学习的车辆颜色识别技术 | 第27-47页 |
| 3.1 车辆识别预处理技术 | 第27-31页 |
| 3.1.1 车辆图像去黑技术 | 第27-29页 |
| 3.1.2 车辆图像减弱曝光技术 | 第29-31页 |
| 3.2 基于深度学习提取车辆颜色特征 | 第31-44页 |
| 3.2.1 基于深度学习提取图像特征 | 第31-33页 |
| 3.2.2 深度学习框架选择 | 第33-34页 |
| 3.2.3 深度学习网络结构 | 第34-44页 |
| 3.3 SVM实现目标分类 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 车辆颜色识别性能分析 | 第47-55页 |
| 4.1 实验结果与数据分析 | 第47-51页 |
| 4.1.1 实验数据 | 第47-48页 |
| 4.1.2 实验步骤 | 第48-51页 |
| 4.2 实验结果定量分析 | 第51-54页 |
| 4.3 本章总结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文总结 | 第55页 |
| 5.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63页 |
