第一章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.3 本文内容与结构安排
第二章 卷积神经网络相关基础
2.1 引言
2.2 卷积神经网络
2.2.1 CNN的基本结构
2.2.2 卷积
2.2.3 池化
2.2.4 激活函数
2.3 VGG16网络
2.4 深度残差网络
2.5 反卷积与空洞卷积
2.5.1 反卷积
2.5.2 空洞卷积
2.6 随机梯度下降算法
2.7 本章小结
第三章基于改进Faster R-CNN的交通信号灯检测
3.1 引言
3.2Faster R-CNN目标检测算法
3.2.1Faster R-CNN的基本结构
3.2.2 RPN
3.2.3 ROI Pooling
3.2.4 分类与边界框回归网络
3.2.5Faster R-CNN的训练细节
3.3改进的Faster R-CNN目标检测算法
3.3.1 改进的anchor设计
3.3.2改进的Faster R-CNN网络设计
3.4 本章小结
第四章 基于改进SSD的交通信号灯检测
4.1引言
4.2 SSD目标检测算法
4.2.1 SSD的基本结构
4.2.2 多尺度卷积检测模块
4.2.3 先验框设计与匹配
4.2.4 训练损失函数
4.3 改进的SSD网络设计
4.4 本章小结
第五章 实验结果与分析
5.1 引言
5.2 实验相关信息
5.2.1 实验环境
5.2.2Faster R-CNN与SSD选取的特征提取网络
5.2.3 交通信号灯检测数据集
5.2.4 实验评价指标
5.3基于改进Faster R-CNN的交通信号灯检测实验结果分析
5.4 基于改进SSD的交通信号灯检测实验结果分析
5.5 本章小结
总结与展望
参考文献
攻读硕士学位期间发表的成果
声明
致谢
广东工业大学;