基于深度学习的高速服务区车位监管系统设计与实现

目录

声明

第一章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1 图像检测算法研究现状

1.2.2 难例样本挖掘算法研究现状

1.3 主要研究内容及论文结构

1.3.1 主要研究内容

1.3.2 论文结构安排

第二章 目标检测算法相关理论与基础

2.1 引言

2.2 卷积神经网络相关理论

2.2.1 卷积层的运算方式

2.2.2 常见的非线性变换

2.2.3 Batch Normalization层

2.2.4 残差网络模型结构

2.3 特征金字塔算法

2.3.1特征金字塔算法的作用

2.3.2 多尺度特征金字塔结构

2.4 锚点的相关理论与计算

2.4.1 锚点的设计与优化

2.4.2 先验锚点的计算

2.5 非极大值抑制算法

2.6 数据增强策略

2.6.1 颜色抖动

2.6.2 几何变换

2.6.3 Dropout策略

2.7 小结

第三章 一种基于多尺度特征融合的目标检测网络

3.1 引言

3.2 基于特征金字塔融合算法改进的Yolov3_plus网络结构

3.2.1 darknet53特征提取网络模型

3.2.2 改进的Yolov3_plus网络结构

3.3 激活函数

3.3.1 Leakly Relu激活函数

3.3.2 swish激活函数

3.4 模型中采用的损失函数

3.5 mixup在线数据增强

3.6 实验结果比较与分析

3.6.1 数据集的准备

3.6.2 训练参数配置

3.6.3 算法性能评价指标

3.6.4 算法性能对比

3.7 小结

第四章一种参数自适应的深度学习损失函数研究

4.1 引言

4.2 焦点损失函数

4.2.1 难负样本定义

4.2.2 焦点损失函数的原理

4.3 基于Focal Loss改进的Soft-Focal Loss

4.4 实验结果比较与分析

4.4.1训练的参数配置

4.4.2实验对比与分析

4.5 小结

第五章 高速公路服务区车位监管系统设计与实现

5.1 引言

5.2 车位监管系统平台硬件配置

5.3 车位监管系统软件架构

5.3.1 服务端设计

5.3.2 网页端设计

5.4 小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

作者简介

1 作者简历

2 攻读硕士学位期间发表的学术论文

3 参与的科研项目及获奖情况

4 发明专利

学位论文数据集