目前,完全無人駕駛技術(shù)仍處于長期的研究階段,還無法大規(guī)模落地應(yīng)用。因此,次級(jí)別的輔助駕駛技術(shù)是當(dāng)前更有意義的研究問題。面向視覺信息的智能識(shí)別算法是輔助駕駛技術(shù)的重要組成部分。因?yàn)橐曈X信號(hào)包含了豐富的視覺語義信息,為智能識(shí)別算法提供了數(shù)據(jù)支撐。而交通標(biāo)志作為最基本的交通元素,約束并引導(dǎo)司機(jī)進(jìn)行安全駕駛。因此,交通標(biāo)志的自動(dòng)識(shí)別算法作為一種重要的輔助駕駛技術(shù)引起了學(xué)界的廣泛關(guān)注。當(dāng)前最優(yōu)的識(shí)別算法基于復(fù)雜的深度模型,對(duì)硬件環(huán)境有較高要求。但現(xiàn)實(shí)中,交通標(biāo)志識(shí)別算法的應(yīng)用平臺(tái)主要是手機(jī)、車載導(dǎo)航等硬件資源有限的嵌入式設(shè)備,并且對(duì)算法的實(shí)時(shí)性和穩(wěn)定性有較高要求。應(yīng)對(duì)這種場(chǎng)景,需要性能穩(wěn)定且結(jié)構(gòu)精簡的識(shí)別模型�；谏鲜鏊伎�,本文提出了深度模型的小型化和輕量化方法。小型化方法針對(duì)模型的線下構(gòu)建過程。利用更精簡的結(jié)構(gòu)設(shè)計(jì)原則和針對(duì)性的模型訓(xùn)練方法來獲得性能優(yōu)秀的小規(guī)模識(shí)別模型。輕量化方法利用參數(shù)量化等方法對(duì)已訓(xùn)練好的模型進(jìn)行壓縮,使模型可以部署在資源有限的嵌入式設(shè)備上,同時(shí)還提高了模型的實(shí)時(shí)性。本文的創(chuàng)新點(diǎn)主要有兩個(gè):（1）提出了一套深度模型的小型化方法來構(gòu)建面向交通標(biāo)志識(shí)別問題的卷積神經(jīng)網(wǎng)絡(luò)。該方... 

【文章來源】：西北大學(xué)陜西省 211工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

神經(jīng)元信息傳遞過程

第 章 緒論]提出了感知機(jī)模型。圖 2 是 個(gè)感知機(jī)的數(shù)學(xué)模型，其中 ( )代表輸 ( )代表權(quán)重參數(shù)， 表示特征值與權(quán)重的線性求和結(jié)果， 為偏置項(xiàng)為 ( )，感知機(jī)輸出值 y 的計(jì)算方法如下，- = ( ) = ∑ ( ) = { ≥ <

能使用計(jì)算機(jī)來模擬人的某些思維過程和智能行為，如學(xué)習(xí)、推等。1982 年，JohnHopfield[9]提出了 Hopfield 神經(jīng)網(wǎng)絡(luò)。這種神歸網(wǎng)絡(luò)，從輸出到輸入都有反饋連接，每 個(gè)神經(jīng)元都跟其他神早期主要應(yīng)用于模數(shù)轉(zhuǎn)換及優(yōu)化組合計(jì)算等問題，其中最有代決旅行商問題。1985 年，Hinton 等人[10]在 Hopfield 網(wǎng)絡(luò)中引玻爾茲曼機(jī)（BoltzmannMachine，BM）。它在神經(jīng)元狀態(tài)變化中絡(luò)的平衡狀態(tài)則服從玻爾茲曼分布。1986 年 Rumelhart 等人在了 BP 神經(jīng)網(wǎng)絡(luò)，即按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)有很強(qiáng)的非線性映射能力和柔性的網(wǎng)絡(luò)結(jié)構(gòu)，較好地解決了多層06 年，Ruslan 及 Hinton[11]利用深度置信網(wǎng)絡(luò)（Deep Belief Ne中的協(xié)方差核進(jìn)行逐層貪婪式的訓(xùn)練。這種微調(diào)使神經(jīng)網(wǎng)絡(luò)的性圖 3 大腦視覺模型

【參考文獻(xiàn)】：
期刊論文
[1]激活函數(shù)在卷積神經(jīng)網(wǎng)絡(luò)中的對(duì)比研究[J]. 田娟,李英祥,李彤巖.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(07)
[2]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉.  計(jì)算機(jī)研究與發(fā)展. 2013(09)



本文編號(hào)：3379602