致谢
摘要
1.1研究背景及意义
1.2国内外文献综述
1.2.1目标检测的传统算法
1.2.2深度学习算法及其网络结构
1.2.3深度学习目标检测算法
1.2.5既有研究总结及不足
1.3论文主要内容
1.4技术路线
2车辆和行人识别算法的对比分析
2.1深度学习识别网络分析
2.1.1卷积神经网络
2.1.2深度神经网络的主要问题
2.1.3深度学习识别算法的主要技术指标
2.2车辆和行人深度学习实时识别算法对比实验
2.2.1车辆和行人实时识别实验数据集
2.2.2车辆和行人数据集Faster-Rcnn算法识别实验
2.2.3车辆和行人数据集ssd算法识别实验
2.3.车辆和行人数据集集识别算法实验结果比较分析
2.4本章小结
3车辆和人识别的级联ssd算法研究
3.1基于FPN的ssd网络算法
3.2车辆和行人的识别的级联ssd算法
3.2.1级联RPN网络
3.2.2级联ssd算法结构
3.2.3车辆和行人数据集级联ssd算法识别实验及结果比较分析
3.3以图像切分法提高识别实时性
3.3.1图像切分法的意义
3.3.2图像切分法的实时检测框架
3.3.3 图像切分法的实时检测框架效果分析
3.4本章小结
4驾驶员与交通标志关联识别研究
4.1交通标志实验数据集
4.2驾驶员与交通标志的关联性建模-非局部神经网络
4.3驾驶员与交通标志关联识别算法实验及结果比较分析
4.3.1级联ssd算法识别实验
4.3.2加入非局部网络结构的级联ssd算法识别实验
4.3本章小节
5.1主要结论与工作
5.2展望
参考文献
附录
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集