声明
第一章 绪论
1.1 研究背景及研究意义
1.2 国内外研究现状
1.2.1 传统的交通标志识别方法研究现状
1.2.2 基于卷积神经网络的交通标志识别方法
1.3 交通标志识别存在的问题
1.4 文章研究内容与结构
第二章 传统交通标志识别方法研究
2.1 交通标志简介
2.1.1 国内交通标志
2.1.2 国外交通标志
2.2 基于视觉信息的交通识别方法研究
2.2.1 基于颜色的交通标志识别方法
2.2.2 基于形状的交通标志识别方法
2.3 基于特征提取和机器学习的交通识别方法研究
2.4 本章小结
第三章 基于神经网络的交通标志识别研究
3.1 引言
3.2 卷积神经网络
3.2.1 卷积
3.2.2 池化
3.2.3 激活函数层
3.2.4 全连接层
3.2.5 反向传播算法
3.3 基于深度学习的目标检测算法用于交通标志识别
3.3.1 R-CNN网络
3.3.2 Fast R-CNN网络
3.3.3 Faster R-CNN网络
3.3.4 SSD网络
3.4 本章小结
第四章 基于特征融合和增强的SSD改进算法研究
4.1 SSD算法优化
4.1.1 通过采用特征融合的方法提高小目标的检测效果
4.1.2 通过增加SENet提高检测性能
4.2 实验内容
4.2.1 数据集的选取
4.2.2 评估方法
4.3 实验结论和算法性能分析
4.3.1 国内数据集的检测效果
4.3.2 GTSDB数据集的检测效果
4.4 本章小结
第五章 工作总结与展望
5.1 文章工作总结
5.2 展望
致谢
参考文献
攻读硕士学位期间的研究成果
电子科技大学;