隨著汽車的使用量越來(lái)越多,交通安全成了目前智能化城市發(fā)展亟待解決的問題之一。根據(jù)交通法律法規(guī),車輛在行駛的過程中有一套特定的燈語(yǔ)表示,車輛燈語(yǔ)是行車過程中輔助駕駛決策的一個(gè)關(guān)鍵的因素,而在復(fù)雜環(huán)境中目前已有的檢測(cè)方法很難自動(dòng)且準(zhǔn)確地識(shí)別出前面車輛的燈語(yǔ)語(yǔ)義。因此本論文中提出的車輛燈語(yǔ)檢測(cè)與識(shí)別的方法有很重要的研究意義和應(yīng)用價(jià)值。本文基于深度學(xué)習(xí)和注意力機(jī)制的車輛燈語(yǔ)檢測(cè)與識(shí)別的工作主要有以下四個(gè)貢獻(xiàn)點(diǎn):（1）鑒于現(xiàn)有的公開的針對(duì)車輛尾燈燈語(yǔ)檢測(cè)與識(shí)別任務(wù)的數(shù)據(jù)集十分稀缺,本文從真實(shí)的城市環(huán)境中采集大量的行車視頻,經(jīng)過篩選、截?cái)�、抽取視頻幀、圖像標(biāo)注等流程,首創(chuàng)了一個(gè)頗具研究難度的車輛燈語(yǔ)數(shù)據(jù)集,同時(shí)為本文提出的車輛燈語(yǔ)檢測(cè)與識(shí)別方法的驗(yàn)證提供了有力的數(shù)據(jù)支撐。（2）根據(jù)車輛尾燈燈語(yǔ)檢測(cè)與識(shí)別任務(wù)本身的特點(diǎn)和數(shù)據(jù)集在低光照等環(huán)境干擾下車輛輪廓不明、燈語(yǔ)表示不清晰的研究難點(diǎn),本文采用由粗到細(xì)的研究思路,設(shè)計(jì)并搭建了粗糙/全局的注意力模塊（Coarse Attention module）,充分利用原始圖像的整體信息,能夠?qū)Ρ粶y(cè)物體進(jìn)行粗略的分類和定位。并通過理論推導(dǎo)和在通用數(shù)據(jù)集的實(shí)驗(yàn)證明了... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
主要符號(hào)表
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 本文工作
    1.3 本文章節(jié)結(jié)構(gòu)
    1.4 本章小結(jié)
第二章 國(guó)內(nèi)外研究現(xiàn)狀
    2.1 引言
    2.2 車輛燈語(yǔ)檢測(cè)
    2.3 深度學(xué)習(xí)基礎(chǔ)
        2.3.1 基本思想
        2.3.2 主要理論
        2.3.3 開源框架
    2.4 注意力機(jī)制
    2.5 本章小結(jié)
第三章 基于深度學(xué)習(xí)的特定目標(biāo)檢測(cè)
    3.1 卷積神經(jīng)網(wǎng)絡(luò)
    3.2 特征提取模塊
    3.3 分類定位模塊
    3.4 預(yù)訓(xùn)練模型
        3.4.1 ZF模型
        3.4.2 VGG模型
        3.4.3 ResNet模型
    3.5 實(shí)驗(yàn)與分析
        3.5.1 實(shí)驗(yàn)條件
        3.5.2 網(wǎng)絡(luò)優(yōu)化
        3.5.3 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
第四章 車輛尾燈燈語(yǔ)數(shù)據(jù)集的構(gòu)建
    4.1 現(xiàn)有數(shù)據(jù)集介紹
        4.1.1 Pascal VOC
        4.1.2 ImageNet
        4.1.3 MS COCO
        4.1.4 BDD100K
        4.1.5 Vehicle-Lights Dataset
    4.2 VLS-Dataset數(shù)據(jù)集構(gòu)建
        4.2.1 采集方式
        4.2.2 標(biāo)注原則
        4.2.3 存儲(chǔ)格式
        4.2.4 數(shù)據(jù)集特點(diǎn)
    4.3 本章小結(jié)
第五章 基于Coarse-to-Fine注意力的車輛燈語(yǔ)檢測(cè)與識(shí)別
    5.1 整體框架
    5.2 粗糙/全局注意力模塊
    5.3 精細(xì)/局部注意力模塊
    5.4 算法分析
        5.4.1 Coarse Attention算法可行性分析
        5.4.2 Coarse Attention算法可行性驗(yàn)證
        5.4.3 Fine Attention算法可行性分析
        5.4.4 Fine Attention算法可行性驗(yàn)證
    5.5 實(shí)驗(yàn)與分析
        5.5.1 實(shí)現(xiàn)細(xì)節(jié)
        5.5.2 與先進(jìn)方法的對(duì)比
        5.5.3 消融實(shí)驗(yàn)
        5.5.4 效果展示
    5.6 本章小結(jié)
總結(jié)與展望
    本文總結(jié)
    工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件



本文編號(hào)：3172946