交通是社會(huì)生產(chǎn)和人類生活的重要組成部分,然而近年來(lái)隨著機(jī)動(dòng)車保有量的上升,交通引發(fā)的安全問(wèn)題、環(huán)境破壞和經(jīng)濟(jì)損失日趨嚴(yán)重,人們開(kāi)始使用智能交通系統(tǒng)(Intelligent Traffic System,ITS)解決問(wèn)題。交通目標(biāo)檢測(cè)是智能交通必備的基本功能,一個(gè)實(shí)時(shí)性好、檢測(cè)精度高的目標(biāo)檢測(cè)平臺(tái)對(duì)于發(fā)展智能交通系統(tǒng)具有重要意義。傳統(tǒng)目標(biāo)檢測(cè)方法由于檢測(cè)精度太低早已被基于深度學(xué)習(xí)(Deep Learning,DL)的目標(biāo)檢測(cè)方法取代。然而,深度學(xué)習(xí)過(guò)高的計(jì)算復(fù)雜度極大地限制了檢測(cè)速度。邊緣計(jì)算(Edge Computing)致力于把計(jì)算任務(wù)和決策中心從云端轉(zhuǎn)移到網(wǎng)絡(luò)的邊緣,以實(shí)現(xiàn)對(duì)時(shí)延敏感的應(yīng)用場(chǎng)景的快速響應(yīng)。本文提出了一種基于邊緣計(jì)算的交通目標(biāo)檢測(cè)架構(gòu),結(jié)合深度學(xué)習(xí)檢測(cè)算法Mask R-CNN,用于架構(gòu)中的目標(biāo)檢測(cè)。文章首先對(duì)深度學(xué)習(xí)的理論知識(shí)和目標(biāo)檢測(cè)的工作原理進(jìn)行介紹,然后對(duì)所提出架構(gòu)中終端、邊緣和云三個(gè)模塊各自的任務(wù)進(jìn)行設(shè)計(jì):終端負(fù)責(zé)采集和壓縮數(shù)據(jù),邊緣服務(wù)器負(fù)責(zé)大部分目標(biāo)檢測(cè)任務(wù),云服務(wù)器負(fù)責(zé)一部分困難目標(biāo)檢測(cè)任務(wù)和所有目標(biāo)檢測(cè)模型的訓(xùn)練。同時(shí)對(duì)架構(gòu)中云和邊緣之間任務(wù)分配的置信...

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1簡(jiǎn)單感知機(jī)

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-12-第2章深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論2.1引言所謂人工智能，就是讓計(jì)算機(jī)具備自主獲取知識(shí)的本領(lǐng)，這種本領(lǐng)被稱為機(jī)器學(xué)習(xí)。深度神經(jīng)網(wǎng)絡(luò)是當(dāng)下最強(qiáng)的機(jī)器學(xué)習(xí)算法，優(yōu)秀之處在于它自動(dòng)挖掘復(fù)雜特征的能力。術(shù)語(yǔ)“神經(jīng)網(wǎng)絡(luò)”來(lái)源于最早神經(jīng)科學(xué)家嘗試尋找生物信息系統(tǒng)....

圖2-2多層感知機(jī)

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-13-2.2.2多層感知機(jī)單個(gè)感知機(jī)只能擬合輸入的線性函數(shù)，無(wú)法對(duì)異或這樣的非線性問(wèn)題做擬合，但若是輸入層和輸出層之間存在中間層或者說(shuō)隱藏層，則局限性消失。在1989年就已經(jīng)證明[42]，具有一個(gè)隱藏層（隱藏單元個(gè)數(shù)可以任意）的多層感知機(jī)可以學(xué)習(xí)任....

圖2-3Sigmoid函數(shù)

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-14-Sigmoid函數(shù)是一個(gè)在生命科學(xué)領(lǐng)域很常見(jiàn)的函數(shù)曲線，由于其單調(diào)遞增可作為判別函數(shù)的性質(zhì)。sigmoid函數(shù)是早期的神經(jīng)網(wǎng)絡(luò)算法的主要激活函數(shù)，經(jīng)典機(jī)器學(xué)習(xí)算法邏輯斯蒂回歸也將其作用在最后輸出的映射。其表達(dá)式如下所示：()=11+(24)其....

圖2-4Tanh函數(shù)

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-14-Sigmoid函數(shù)是一個(gè)在生命科學(xué)領(lǐng)域很常見(jiàn)的函數(shù)曲線，由于其單調(diào)遞增可作為判別函數(shù)的性質(zhì)。sigmoid函數(shù)是早期的神經(jīng)網(wǎng)絡(luò)算法的主要激活函數(shù)，經(jīng)典機(jī)器學(xué)習(xí)算法邏輯斯蒂回歸也將其作用在最后輸出的映射。其表達(dá)式如下所示：()=11+(24)其....

本文編號(hào)：3933469