車輛檢測是汽車高級輔助駕駛（ADAS）系統(tǒng)中環(huán)境感知的重要組成部分。傳統(tǒng)車輛檢測一般是在PC機上實現(xiàn)的,隨著計算機軟、硬件快速提升,深度學習與目標檢測算法不斷發(fā)展,車輛檢測也逐漸應(yīng)用到嵌入式設(shè)備上。嵌入式設(shè)備具有體積小、價格低、穩(wěn)定性好等優(yōu)點,如果在嵌入式設(shè)備上實現(xiàn)準確、實時的車輛檢測,那么將顯著的降低ADAS系統(tǒng)的開發(fā)成本。嵌入式設(shè)備硬件性能有限,使用的算法有相當大的局限性。近年來,基于深度學習的目標檢測算法高速發(fā)展,在保證高準確率的情況下實現(xiàn)了高速率檢測,但是這些算法不能直接應(yīng)用到嵌入式設(shè)備上。本文針對車輛檢測的特點和嵌入式設(shè)備這一特定場所,以SSD目標檢測網(wǎng)絡(luò)為基礎(chǔ),結(jié)合其他技術(shù)改進并創(chuàng)建SSD網(wǎng)絡(luò),其次搭建好嵌入式系統(tǒng)軟、硬件開發(fā)環(huán)境,在嵌入式設(shè)備上實現(xiàn)車輛檢測。首先針對車輛數(shù)據(jù)的分布和嵌入式設(shè)備的特點,對原始SSD網(wǎng)絡(luò)做出了如下幾點改進:用K-Means聚類算法從新設(shè)置SSD的區(qū)域候選框,使其更加符合車輛數(shù)據(jù)尺度分布,提高模型的檢測精度;在原始SSD損失函數(shù)基礎(chǔ)上增加排斥損失,提高對相互重疊車輛的檢測性能;使用MobileNetV1深度神經(jīng)網(wǎng)絡(luò)作為SSD的特征提取網(wǎng)絡(luò),在保證... 

【文章來源】：重慶交通大學重慶市

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

SSD網(wǎng)絡(luò)結(jié)構(gòu)圖

重慶交通大學碩士學位論文8同檢測，用低層分辨率大的特征圖檢測小目標，深層大感受域的特征圖檢測大目標，保證不同尺度大小的目標都能得到的檢測。圖2.1SSD網(wǎng)絡(luò)結(jié)構(gòu)圖SSD網(wǎng)絡(luò)的特點是去除全連接層，在不同層次的特征圖上做檢測，用3×3卷積核進行預(yù)測，這樣每個預(yù)測輸出只與目標周圍和上下文信息有關(guān)，避免了背景噪聲對檢測的影響，同時不同層次的特征圖也增加了不同目標尺度的泛化性，這樣做更有利于目標檢測。圖2.2特征圖和區(qū)域候選框圖2.2為SSD不同尺度特征圖檢測原理，(b)、(c)為8×8和4×4兩種特征圖相當于將原始圖像分別劃分成64和16個小格子，在每個小格子上生成一定數(shù)量不同尺度、不同寬高比的區(qū)域候選框，(a)為SSD訓練過程中輸入一張每個目標帶有標簽的圖像，從圖中可以看出，圖像中的小目標貓適合用88特征圖檢測，圖像中大目標狗適合用44特征圖檢測。對于分辨率為m的特征圖，每個特征單元有k個區(qū)域候選框，則在該特征圖上會產(chǎn)生m×m×k個區(qū)域候選框。如果預(yù)測的類別數(shù)量為c，該特征圖會產(chǎn)生(c+4)×m×m×k個輸出，其中c*m*m*k表示該特征圖輸出的類別置信度數(shù)量，4*m*m*k表示該特征圖預(yù)測出的位置坐標數(shù)量。訓練過程中將區(qū)域候選框與真實邊框進行匹配，匹配中的作為正樣本如圖2.2中的紅色框和藍色框，其余均作為負樣本。測試時，使用非極大

重慶交通大學碩士學位論文12為網(wǎng)絡(luò)的總體損失。然后采用SGD策略對網(wǎng)絡(luò)權(quán)重參數(shù)進行更新。經(jīng)過多次迭代，得到權(quán)重參數(shù)近似梯度為0，相應(yīng)的權(quán)值被認為是網(wǎng)絡(luò)的最優(yōu)權(quán)值。SSD網(wǎng)絡(luò)置信度損失函數(shù)具體計算式如下：0(,)log()log()NppconfijiiiPosiNegLxcxcc(2.11)exp()exp()ppiipipccc(2.12)（2）SmoothL1損失函數(shù)SSD同時要完成物體類別分數(shù)預(yù)測與位置坐標預(yù)測，多任務(wù)網(wǎng)絡(luò)的位置預(yù)測即擬合出物體在圖像中的坐標，其數(shù)學模型及原理如下。如圖2.3所示，綠色框為飛機的真實邊框（GT），紅色為區(qū)域候選框，如果網(wǎng)絡(luò)檢測出的的飛機位置為紅框，但是從圖中可看出紅框與飛機真實位置偏差太大，可認為網(wǎng)絡(luò)沒有檢測出飛機目標。使用某種手段來修改紅框，使得區(qū)域候選框與目標真實框更加接近。圖2.3真實框和區(qū)域候選框圖2.4區(qū)域候選框、預(yù)測框和真實框關(guān)系用四維數(shù)組(x,y,w,h)確定物體的位置坐標，(x,y)為物體中心，w、h為物體的寬高。如圖2.4所示，尋找一種映射關(guān)系使得區(qū)域候選框A經(jīng)過變換后成為與物體真實框G相近的預(yù)測框G’，該過程就是位置擬合要完成的任務(wù)，即對于給定候選框坐標,,,xywhAAAAA，尋找函數(shù)f滿足："""",,,,,,,,,xywhxywhxywhfAAAAGGGGGGGG。在圖2.4中要從A變?yōu)?quot;G比較簡單的思路就是：先做平移，再做縮放如下式:"xwxxGAdAA(2.13)"yhyyGAdAA(2.14)


本文編號：3500023