作為輔助駕駛系統(tǒng)的重要組成部分,道路坑洼檢測技術(shù)能夠為輔助駕駛提供高效、實用的輔助方法。道路中坑洼多樣,呈現(xiàn)光照不均、形狀不一、遮擋等特點。傳統(tǒng)的算法在檢測道路坑洼上有一定的局限性,需要人為設(shè)計坑洼的特征,其算法繁瑣、復(fù)雜,同時算法的魯棒性不高,不能準確地對坑洼進行相應(yīng)的檢測。近年來,隨著計算機視覺的不斷發(fā)展,深度學習在其上的應(yīng)用已經(jīng)超越了傳統(tǒng)的圖像方法。面對復(fù)雜多變的道路坑洼,深度學習能夠自動地提取圖像的特征,克服了傳統(tǒng)方法的缺陷。因此,針對上述描述坑洼檢測的相關(guān)問題,其主要研究如下:（1）本文提出了基于卷積神經(jīng)網(wǎng)絡(luò)的目標檢測方法對道路坑洼進行檢測。對于本文的研究,通過人工采集與互聯(lián)網(wǎng)收集坑洼的多種情形數(shù)據(jù),以及采用圖像旋轉(zhuǎn)、加椒鹽噪聲、裁剪的數(shù)據(jù)增廣方式來豐富坑洼圖像數(shù)據(jù)。分別構(gòu)建了用于坑洼分類的A數(shù)據(jù)集、B數(shù)據(jù)集,以及坑洼檢測用的C數(shù)據(jù)集,并對其作相應(yīng)的標簽。（2）本文提出基于卷積神經(jīng)網(wǎng)絡(luò)的分類方法對道路的坑洼場景進行分類,在兩種基礎(chǔ)的分類網(wǎng)絡(luò)之上,用A數(shù)據(jù)集的道路坑洼訓練,得到最佳分類網(wǎng)絡(luò)Inception_v1;并結(jié)合道路坑洼的多場景分類應(yīng)用對分類網(wǎng)絡(luò)進行... 

【文章來源】：上海師范大學上海市

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

無坑洼的道

第2章多場景道路坑洼的基礎(chǔ)分類網(wǎng)絡(luò)研究上海師范大學碩士學位論文10（a）（b）（c）（d）（e）（f）（g）圖2-1無坑洼的道路數(shù)據(jù)的各種情形強光下坑洼的道路數(shù)據(jù)包含了圖2-2所示的情形，其中的a、b、c、d分別代表強光下的坑洼道路數(shù)據(jù)下的雨天、雪天、晴天，以及有陰影的情況。（a）（b）（c）（d）圖2-2強光下的坑洼道路數(shù)據(jù)的各種情形弱光下坑洼的道路數(shù)據(jù)包含了圖2-3所示的情形，其中a、b分別代表弱光下的坑洼道路數(shù)據(jù)下的水漬、非水漬情況。（a）（b）圖2-3弱光下的坑洼道路數(shù)據(jù)的各種情形

第2章多場景道路坑洼的基礎(chǔ)分類網(wǎng)絡(luò)研究上海師范大學碩士學位論文10（a）（b）（c）（d）（e）（f）（g）圖2-1無坑洼的道路數(shù)據(jù)的各種情形強光下坑洼的道路數(shù)據(jù)包含了圖2-2所示的情形，其中的a、b、c、d分別代表強光下的坑洼道路數(shù)據(jù)下的雨天、雪天、晴天，以及有陰影的情況。（a）（b）（c）（d）圖2-2強光下的坑洼道路數(shù)據(jù)的各種情形弱光下坑洼的道路數(shù)據(jù)包含了圖2-3所示的情形，其中a、b分別代表弱光下的坑洼道路數(shù)據(jù)下的水漬、非水漬情況。（a）（b）圖2-3弱光下的坑洼道路數(shù)據(jù)的各種情形

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的多場景道路坑洼圖像檢測[J]. 陳鵬,應(yīng)駿.  上海師范大學學報(自然科學版). 2020(01)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的車牌字符識別[J]. 董峻妃,鄭伯川,楊澤靜.  計算機應(yīng)用. 2017(07)

碩士論文
[1]基于靈敏度剪枝方法的深度神經(jīng)網(wǎng)絡(luò)壓縮實現(xiàn)研究[D]. 王宇.西安理工大學 2019
[2]基于深度學習的道路裂縫識別算法研究與實現(xiàn)[D]. 馮卉.北京郵電大學 2019
[3]基于人工智能的網(wǎng)絡(luò)異常行為分析[D]. 宋佳明.北京郵電大學 2019
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的車牌識別關(guān)鍵技術(shù)的研究與應(yīng)用[D]. 高攀.北京郵電大學 2019
[5]基于深度神經(jīng)網(wǎng)絡(luò)的遙感影像路面裂縫檢測方法研究[D]. 楊晨曦.武漢科技大學 2019
[6]基于深度學習的道路場景目標檢測方法研究[D]. 呂致萍.吉林大學 2019
[7]基于深度學習的端到端道路裂縫檢測技術(shù)研究[D]. 柏嘉洛.華中科技大學 2019
[8]基于深度卷積神經(jīng)網(wǎng)絡(luò)和圖像傳感器的道路多目標檢測研究[D]. 謝一德.北京交通大學 2018
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像分類算法研究[D]. 梁曉旭.西安電子科技大學 2018
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的道路目標檢測研究[D]. 曹朝輝.鄭州大學 2018



本文編號：3410364