基于深度学习的野外环境下的障碍物检测技术研究

目录

声明

第一章 绪论

1.1 课题研究背景及意义

1.2 障碍物检测国内外研究现状

1.3 论文的主要研究内容

1.4 本文的组织结构

第二章 卷积神经网络相关研究

2.1 卷积神经网络简介

2.2 卷积神经网络的框架

2.3 激活函数

2.3.1 sigmoid系函数

2.3.2 ReLU函数

2.4 卷积神经网络的优势

2.5 本章小结

第三章 野外环境中的ROI提取

3.1 ROI提取算法

3.2 常见的ROI提取方法

3.2.1 基于视觉特征的ROI提取

3.2.2 基于区域生长的ROI提取

3.3 改进的最大方差法

3.4 障碍物区域提取

3.5 本章小结

第四章 基于卷积神经网络的野外环境下的障碍物检测

4.1 改进的卷积神经网络结构

4.1.1 卷积层

4.1.2 池化层

4.1.3 全连接层

4.2 网络优化

4.2.1 Dropout优化

4.2.2 Drop Connect 优化

4.2.3 优化效果比较

4.3 障碍物检测整体方法及流程图

4.4 实验结果与讨论

4.4.1 卷积神经网络的训练

4.4.2 图像分类效果分析

4.4.3 野外环境下的障碍物检测

4.4.4 本文算法与其他算法比较

4.5 本章小结

第五章 总结与展望

5.1 本文主要工作总结

5.2 研究展望

参考文献

攻读硕士期间发表的学术论文

致谢