基于卷积神经网络的中国交通标志检测研究

目录

声明

摘要

第一章绪论

1．1研究背景及意义

1．2交通标志检测算法研究现状

1．2．1基于传统方法的交通标志检测算法

1．2．2基于深度学习的交通标志检测算法

1．3交通标志检测难点

1．4本文研究内容及章节安排

第二章基于深度学习的目标检测方法基础

2．1卷积神经网络

2．1．1局部感受野

2．1．2权值共享

2．1．3池化

2．1．4典型网络结构

2．2两阶段的深度目标检测方法

2．2．1 R-CNN算法

2．2．2 SPP-net算法

2．3单阶段的深度目标检测方法

2．3．1 YOLO算法

2．3．2 SSD系列算法

2．4评价方法

2．5本章小结

第三章基于改进YOLOv2的实时中国交通标志检测算法

3．1 YOLOv2算法

3．1．1 Anchor BOX

3．1．2网络模型

3．2基于改进YOLOv2的实时交通标志检测算法

3．2．1实时的交通标志检测算法

3．2．2改进的YOLOv2网络模型

3．3中国交通标志数据集

3．4实验与分析

3．4．1网络结构参数及训练

3．4．2中国交通标志数据集上的实验结果及分析

3．4．3德国交通标志数据集上的实验结果及分析

3．5本章小结

第四章基于Fire模块的卷积神经网络及在交通标志检测中的应用

4．1卷积神经网络的结构分类

4．1．1微型结构

4．1．2宏观结构

4．1．3模型压缩

4．2 Fire模块及网络结构设计

4．2．1 Fire模块

4．2．2网络结构设计

4．3实验与分析

4．3．1实验环境及相关参数

4．3．2中国交通标志数据集上的实验结果及分析

4．3本章小结

第五章总结与展望

5．1总结

5．2展望

参考文献

致谢

附录