隨著智能時代的發(fā)展,自動駕駛技術(shù)近期引起了人們的廣泛關(guān)注,其中,行車環(huán)境的車道線和車輛檢測是自動駕駛的重要基礎(chǔ)任務(wù)。由于實際行車環(huán)境復(fù)雜多變,基于傳統(tǒng)統(tǒng)計學(xué)習(xí)方法的車道線和車輛檢測方法已無法滿足新時期自動駕駛的需求,研究高性能的車道線和車輛檢測算法成為迫切且極具挑戰(zhàn)的任務(wù)。近期,基于信號深度處理的卷積神經(jīng)網(wǎng)絡(luò)被驗證是一種能夠有效刻畫區(qū)域語義映射的學(xué)習(xí)方法,為車輛和車道線檢測提供了新的途徑。為此,本文立足深度學(xué)習(xí)理論,開展了基于深度學(xué)習(xí)的車輛和車道線檢測研究,具體內(nèi)容如下:開展了基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測網(wǎng)絡(luò)的研究。建立了車輛訓(xùn)練數(shù)據(jù)集,構(gòu)建了針對車輛目標(biāo)的深度檢測網(wǎng)絡(luò),并學(xué)習(xí)生成了車輛檢測初始模型。進(jìn)一步在不同難度和尺度等級上進(jìn)行了各類型網(wǎng)絡(luò)性能的測試,證明了深度檢測模型相較于傳統(tǒng)統(tǒng)計學(xué)習(xí)方法的有效性,為后續(xù)的網(wǎng)絡(luò)設(shè)計提供了基準(zhǔn)。針對車輛檢測模型中中小尺度車輛目標(biāo)檢測的難題,基于目標(biāo)多尺度分析策略,首先統(tǒng)計分析了經(jīng)典數(shù)據(jù)庫如KITTI和PASCAL VOC數(shù)據(jù)集中的目標(biāo)尺度分布特征。進(jìn)一步利用分布特征優(yōu)化了建議框生成網(wǎng)絡(luò),引入了多尺度卷積核及殘差網(wǎng)絡(luò)結(jié)構(gòu),構(gòu)建了基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【部分圖文】：

自動駕駛環(huán)境感知與高層語義分析平臺框架

造可以編程的計算機(jī)時，就在考慮是否能讓工智能已經(jīng)展開了如火如荼的研究，成為了有著眾多應(yīng)用的領(lǐng)域。人們希望能夠通過人獲取并理解圖像或語音信號、協(xié)助醫(yī)學(xué)上的診工智能中的重要技術(shù)之一。深度學(xué)習(xí)是一門復(fù)合型學(xué)科。研究深度學(xué)習(xí)技術(shù)可以幫助我絡(luò)來完成車道線和車輛的檢測任務(wù)。絡(luò)設(shè)計網(wǎng)絡(luò)模型生物神經(jīng)網(wǎng)絡(luò)可以認(rèn)為是簡單的神經(jīng)元構(gòu)成單的神經(jīng)元如下圖所示：

圖 2-2 單層神經(jīng)網(wǎng)絡(luò)示意圖網(wǎng)絡(luò)輸入的是1 2 3x , x ,x ，而其中被標(biāo)注為“+1所提到的截距項。對于整個神經(jīng)網(wǎng)絡(luò)而言，處而處于最左側(cè)的一層被稱為“輸入層”，此例該層中存在多個節(jié)點。而在“輸入層”和“輸藏層”。神經(jīng)網(wǎng)絡(luò)，其由三個輸入節(jié)點，三個隱藏節(jié)點網(wǎng)絡(luò)的計算，規(guī)定一些參數(shù)，ln表示網(wǎng)絡(luò)層數(shù)層為1L，lnL 表示輸出層。表示為 1 1 2 2 (W , b) (W , b , W , b )，用 l ijW 表示 j個節(jié)點之間的權(quán)重系數(shù)，b表示第 層的第節(jié)點數(shù)（不包含偏置節(jié)點）。由此可知，各個1 3 。第 層的第 個單元的輸出值用 l a 表示

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測研究綜述[J]. 李旭冬,葉茂,李濤.  計算機(jī)應(yīng)用研究. 2017(10)
[2]人工智能綜述[J]. 李玉環(huán).  科技創(chuàng)新導(dǎo)報. 2016(16)
[3]AdaBoost算法研究進(jìn)展與展望[J]. 曹瑩,苗啟廣,劉家辰,高琳.  自動化學(xué)報. 2013(06)
[4]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機(jī)應(yīng)用研究. 2012(08)
[5]基于超像素的條件隨機(jī)場圖像分類[J]. 張微,汪西莉.  計算機(jī)應(yīng)用. 2012(05)
[6]Hough變換和最小二乘擬合的車道線協(xié)調(diào)檢測[J]. 孫偉,張小瑞,唐慧強(qiáng),張為公,閭軍.  光電工程. 2011(10)



本文編號：3592351