基于颜色和数据集分层组合CNN的交通标志识别研究

目录

第1章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1 多类别卷积神经网络模型

1.2.2 图像颜色和对比度特征表示

1.2.3 组合分类模型

1.3 论文主要内容和技术路线

1.4 论文结构

第2章 基于颜色RGB分量的交通标志数据表示

2.1 交通标志类型划分及数据扩充

2.1.1 交通标志图像属性分析

2.1.2 多类别子类标签表示

2.1.3 样本数据预处理

2.1.4 训练集扩充

2.2 基于RGB三通道分量的数据表示方法

2.3 基于对比度增强的数据表示方法

2.4 数据归一化

2.5 本章小结

第3章 基于RGB分量和数据集分层的组合CNN

3.1 基于颜色RGB分量的CNN模型

3.1.1 基于LeNet-5的CNN模型及参数优化

3.1.2 基于RGB三通道分量的CNN模型

3.1.3 基于对比度增强的CNN模型

3.2 基于数据集分层的组合CNN

3.2.1 跨父类错误分析

3.2.2 父类标签设计

3.2.3 组合CNN模型

3.2.4 组合CNN模型分类实验

3.3 基于RGB颜色和数据集分层的组合CNN

3.4 本章小结

第4章 总结和展望

4.1 总结

4.2 展望

致谢

参考文献

攻读硕士学位期间主要的工作