|
|
|
施工场景下工程车检测与车型识别研究 |
|
论文目录 |
|
摘要 | 第5-6页 | abstract | 第6-7页 | 1 绪论 | 第10-16页 | 1.1 选题背景及课题的研究意义 | 第10-11页 | 1.2 国内外研究现状 | 第11-14页 | 1.2.1 车辆检测研究进展 | 第11-12页 | 1.2.2 车型识别研究进展 | 第12-13页 | 1.2.3 深度学习研究进展 | 第13-14页 | 1.3 主要工作及章节安排 | 第14-16页 | 1.3.1 论文主要工作 | 第14页 | 1.3.2 论文的章节安排 | 第14-16页 | 2 目标检测与识别相关算法分析 | 第16-23页 | 2.1 传统图像处理的目标检测与识别 | 第16-18页 | 2.1.1 基于手工特征的目标检测与识别 | 第16-18页 | 2.1.2 基于背景差分的目标检测 | 第18页 | 2.2 基于深度学习的目标检测与识别 | 第18-21页 | 2.2.1 基于Faster R-CNN的目标检测与识别 | 第18-19页 | 2.2.2 基于YOLO的目标检测与识别 | 第19-20页 | 2.2.3 基于SSD的目标检测与识别 | 第20-21页 | 2.3 相关技术的优缺点 | 第21-22页 | 2.4 本章小结 | 第22-23页 | 3 基于自适应搜索的工程车检测与识别 | 第23-35页 | 3.1 算法概述 | 第23-24页 | 3.2 自适应搜索模型 | 第24-26页 | 3.3 在线难例挖掘算法 | 第26-28页 | 3.4 实验与分析 | 第28-34页 | 3.4.1 实验数据 | 第28-29页 | 3.4.2 数据增强方法设计 | 第29-31页 | 3.4.3 评价指标 | 第31页 | 3.4.4 实验结果与性能对比 | 第31-34页 | 3.5 本章小结 | 第34-35页 | 4 基于全局和局部卷积特征融合的工程车检测与识别 | 第35-48页 | 4.1 算法概述 | 第35-37页 | 4.2 生成多尺度候选区域 | 第37-38页 | 4.3 特征提取 | 第38-41页 | 4.3.1 全局特征提取 | 第38-39页 | 4.3.2 局部特征提取 | 第39-41页 | 4.3.3 特征融合 | 第41页 | 4.4 后处理软化非极大值抑制算法 | 第41-42页 | 4.5 多任务联合学习 | 第42-43页 | 4.6 实验与分析 | 第43-47页 | 4.7 本章小结 | 第47-48页 | 5 总结与展望 | 第48-50页 | 5.1 本文工作总结 | 第48-49页 | 5.2 进一步研究工作 | 第49-50页 | 致谢 | 第50-51页 | 参考文献 | 第51-53页 | 攻读硕士学位期间取得的成果 | 第53页 |
|
|
|
|
论文编号BS4492269,这篇论文共53页 会员购买按0.35元/页下载,共需支付18.55元。 直接购买按0.5元/页下载,共需要支付26.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|