|
|
|
|
基于卷积神经网络的路牌检测和识别 |
| |
| 论文目录 |
| |
| 摘要 | 第3-5页 | | ABSTRACT | 第5-7页 | | 1 绪论 | 第10-21页 | | 1.1 研究背景和意义 | 第10-11页 | | 1.2 研究现状及难点 | 第11-18页 | | 1.2.1 路牌检测方法的研究现状 | 第11-14页 | | 1.2.2 路牌识别方法的研究现状 | 第14-17页 | | 1.2.3 路牌检测和识别的难点 | 第17-18页 | | 1.3 论文的主要研究内容 | 第18-19页 | | 1.4 论文的结构安排 | 第19-21页 | | 2 卷积神经网络 | 第21-27页 | | 2.1 卷积神经网络概述 | 第21-25页 | | 2.1.1 卷积层 | 第21-22页 | | 2.1.2 池化运算 | 第22-23页 | | 2.1.3 全连接层 | 第23-24页 | | 2.1.4 学习率 | 第24-25页 | | 2.1.5 激活函数 | 第25页 | | 2.2 CNN在路牌识别中的应用 | 第25-26页 | | 2.3 本章小结 | 第26-27页 | | 3 基于单个深层卷积神经网络的路牌检测算法 | 第27-36页 | | 3.1 引言 | 第27页 | | 3.2 SSD网络模型 | 第27-29页 | | 3.3 训练过程 | 第29-31页 | | 3.4 非极大值抑制算法 | 第31-32页 | | 3.5 仿真与分析 | 第32-34页 | | 3.5.1 GTSDB数据库 | 第32页 | | 3.5.2 网络设计 | 第32-33页 | | 3.5.3 仿真结果与分析 | 第33-34页 | | 3.6 本章小结 | 第34-36页 | | 4 基于压缩感知域和跨连卷积神经网络的路牌识别算法 | 第36-49页 | | 4.1 引言 | 第36页 | | 4.2 压缩感知域 | 第36-41页 | | 4.2.1 信号的稀疏表示 | 第37-38页 | | 4.2.2 测量矩阵的设计 | 第38-39页 | | 4.2.3 信号重构算法 | 第39-40页 | | 4.2.4 压缩感知域及应用 | 第40-41页 | | 4.3 跨连卷积神经网络 | 第41-45页 | | 4.3.1 跨连卷积神经网络 | 第41-42页 | | 4.3.2 跨连卷积神经网络的学习过程 | 第42-45页 | | 4.4 仿真与分析 | 第45-48页 | | 4.4.1 GTSRB数据库 | 第45-46页 | | 4.4.2 结果分析 | 第46-48页 | | 4.5 本章小结 | 第48-49页 | | 5 总结与展望 | 第49-52页 | | 5.1 论文总结 | 第49-50页 | | 5.2 进一步研究方向 | 第50-52页 | | 参考文献 | 第52-62页 | | 攻读硕士学位期间取得的研究成果 | 第62-64页 | | 致谢 | 第64-66页 |
|
|
|
|
论文编号BS4039576，这篇论文共66页
会员购买按0.35元/页下载，共需支付23.1元。 直接购买按0.5元/页下载，共需要支付33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。 |
|
|
广告服务