隨著我國汽車時代的到來,“停車難”是一個亟待解決的大問題,利用停車場現(xiàn)有的攝像頭,對停車場車輛和空車位進行精準識別和定位是一種高效率、低成本的解決方案。近年來,以NVIDIA為代表的高性能計算開發(fā)商引領算力跨越式發(fā)展;卷積神經(jīng)網(wǎng)絡統(tǒng)領了整個圖像領域,取得一項項輝煌成果。圖像語義分割以像素級精確度定位停車場中的車輛,其中,全卷積神經(jīng)網(wǎng)絡(FCNs)的出現(xiàn)為實例語義分割提供了新的前進動力。然而,首先大規(guī)模語義圖像數(shù)據(jù)集的缺乏會大幅度削弱神經(jīng)網(wǎng)絡的泛化能力;其次深層卷積神經(jīng)網(wǎng)絡的降采樣和特征圖譜的稀疏性會導致小尺寸目標丟失;最后高質(zhì)量實例語義分割網(wǎng)絡參數(shù)眾多,訓練過程中極易過擬合。面對以上問題,本文對停車場中車輛進行實例語義分割相關研究,其主要工作如下:針對提高實例語義分割網(wǎng)絡的泛化能力,引入了殘差網(wǎng)絡(ResNet)和大規(guī)模增加語義圖像數(shù)據(jù)。在收集數(shù)據(jù)集方面,主要從兩方面入手,一、從真實圖像數(shù)據(jù)入手,統(tǒng)一當前主流開源數(shù)據(jù)集(如:MS COCO、PASCAL VOC、SUN、Cityscapes等),提取車輛數(shù)據(jù),并按MS COCO標準制作一個全新數(shù)據(jù)集;二、從虛擬數(shù)據(jù)入手,基于Blende...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于深度學習圖像數(shù)據(jù)集研究現(xiàn)狀
        1.2.2 圖像分割的研究現(xiàn)狀
    1.3 論文的主要研究內(nèi)容
第二章 停車場語義圖像數(shù)據(jù)集的生成研究
    2.1 引言
    2.2 統(tǒng)一開源圖像數(shù)據(jù)集標準制作車輛語義圖像數(shù)據(jù)集
        2.2.1 相關開源數(shù)據(jù)集介紹
        2.2.2 制作統(tǒng)一開源數(shù)據(jù)集流程
    2.3 基于Blender制作虛擬車輛語義圖像數(shù)據(jù)集
        2.3.1 基于Blender制作虛擬車輛圖像
        2.3.2 基于Blender標注虛擬車輛圖片語義標簽
    2.4 本章小結(jié)
第三章 基于特征融合的深度語義分割網(wǎng)絡構(gòu)建研究
    3.1 引言
    3.2 相關模型介紹
        3.2.1 ParseNet:增強全局信息語義模型
        3.2.2 ION:增強上下文信息和多尺度表征模型
        3.2.3 HyperNet:多尺度超特征模型
    3.3 基于特征融合的語義分割模型設計
        3.3.1 位置敏感型特征提取
        3.3.2 語義特征融合
    3.4 實驗結(jié)果分析
    3.5 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡降采樣致小目標特征消失研究
    4.1 引言
    4.2 基于Dual RPN增強提取預選框能力
        4.2.1 相關預選框提取網(wǎng)絡介紹
        4.2.2 Dual RPN網(wǎng)絡設計
    4.3 一種有效增加目標分辨率的數(shù)據(jù)增強方案
        4.3.1 Dual RPN實驗分析
        4.3.2 數(shù)據(jù)增強實驗分析
    4.4 實驗結(jié)果分析
    4.5 本章小結(jié)
第五章 實驗環(huán)境搭建與算法實現(xiàn)流程
    5.1 實驗環(huán)境搭建
    5.2 算法實現(xiàn)流程
第六章 工作總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻
個人簡歷在讀期間發(fā)表的學術論文
致謝



本文編號：3801651