第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 研究难点
1.4 本文的主要内容和框架
第二章 交通标识的目标定位
2.1 TV图像去噪
2.2 HOG特征提取
2.3 LBP噪声消除
2.4 SVM分类
2.5 实验与分析
第三章 深度学习及改进的深度卷积网络
3.1 人工智能与卷积神经网络
3.2 自动编码器
3.3 稀疏编码
3.4 受限玻尔兹曼机
3.5 深度信念网络
3.6 深度卷积网络
3.7 训练算法
第四章 基于TSR9L-Net的交通标识目标识别
4.1 开源学习框架Caffe
4.2 改进的深度卷积网络模型:TSR9L-Net
4.3 样本图像数据库
4.4实验与分析
总结及展望
参考文献
攻读学位期间获得的科研成果
声明
致谢