隨著人們生活水平的提高,汽車已經(jīng)成為中國(guó)家庭必備交通工具,同時(shí)隨著科技的進(jìn)步,汽車的易操作性、安全性、娛樂性也得到了迅速提升,使得人們可以通過汽車做更多的事情。近年來,隨著人工智能的迅猛發(fā)展,計(jì)算機(jī)視覺越來越接近人類的識(shí)別和判斷能力,汽車的智能化必將是一個(gè)趨勢(shì)。本文從計(jì)算機(jī)視覺出發(fā),以汽車駕駛安全為目的,展開研究,主要工作有以下幾個(gè)方面:(1)研究測(cè)試交通標(biāo)志的識(shí)別方案。本文首先介紹基于統(tǒng)計(jì)模式識(shí)別的圖像識(shí)別方案,該方案對(duì)于本文要解決的問題難度較大。然后介紹基于人工智能的方案,人工智能的最重要的解決方案就是機(jī)器學(xué)習(xí),通過將復(fù)雜的分析問題分解為多層網(wǎng)絡(luò)結(jié)構(gòu),然后利用計(jì)算機(jī)強(qiáng)大的數(shù)學(xué)計(jì)算能力,對(duì)大量樣本數(shù)據(jù)進(jìn)行不斷擬合,從而推導(dǎo)出較優(yōu)的網(wǎng)絡(luò)參數(shù),來解決復(fù)雜的分析問題。目前主流的機(jī)器學(xué)習(xí)網(wǎng)絡(luò)是CNN(卷積神經(jīng)網(wǎng)絡(luò)),該網(wǎng)絡(luò)在圖像分析領(lǐng)域起到了必不可少的作用。然后介紹了一種經(jīng)典的淺度神經(jīng)網(wǎng)絡(luò)模型LeNet-5,本文正是利用這種模型對(duì)交通標(biāo)識(shí)進(jìn)行分類,通過Caffe機(jī)器學(xué)習(xí)框架工具對(duì)LeNet-5模型進(jìn)行訓(xùn)練,經(jīng)過4000次迭代,最終達(dá)到99.01%的識(shí)別準(zhǔn)確率。(2)研究測(cè)試道路物體檢測(cè)方案。首...

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－２?ＧＴＳＲＢ交通標(biāo)志圖示??

魯數(shù)據(jù)集中的每個(gè)圖片在現(xiàn)實(shí)中只出現(xiàn)一次??圖２－２?ＧＴＳＲＢ交通標(biāo)志圖示??所有的訓(xùn)練圖片按照４３個(gè)類別，存放在不同的目錄下，如下圖２－３所示：??鐘國(guó)麵?達(dá)國(guó)國(guó)??０００００?００００１?００００２?００００３?００００４?００００５??．ｉ々?

圖2-3訓(xùn)練數(shù)據(jù)集目錄

圖２－２?ＧＴＳＲＢ交通標(biāo)志圖示??有的訓(xùn)練圖片按照４３個(gè)類別，存放在不同的目錄下，如下圖２－３所示：??

圖２－４統(tǒng)計(jì)模式識(shí)別大致過程??

統(tǒng)計(jì)模式識(shí)別是一種基本的模式識(shí)別方法。統(tǒng)計(jì)模式識(shí)別是對(duì)模式的統(tǒng)計(jì)分類方法，??即結(jié)合統(tǒng)計(jì)概率論的貝葉斯決策系統(tǒng)進(jìn)行模式識(shí)別的技術(shù)，又稱為決策理論識(shí)別方法。其??基本過程如下圖２－４所示：??

圖２－５?ｇｏｏｇｌｅ可視化機(jī)器學(xué)習(xí)過程示例１１５］??該模型使用了一個(gè)隱藏層，有４個(gè)神經(jīng)元，通過計(jì)算機(jī)按照一定的調(diào)整規(guī)則，不斷優(yōu)??化各特征的權(quán)重，從而最終得到最小的損失，對(duì)２個(gè)模式的離散點(diǎn)進(jìn)行分類

模型來改善嚴(yán)格遵循靜態(tài)程序指令的情況。它通常使用統(tǒng)計(jì)技術(shù)使計(jì)算機(jī)能夠利用數(shù)據(jù)??“學(xué)習(xí)”而無需明確編程。機(jī)器學(xué)習(xí)被用于一系列難以顯式設(shè)計(jì)和編程的計(jì)算任務(wù)，例如??郵件過濾、網(wǎng)絡(luò)入侵檢測(cè)、計(jì)算機(jī)視覺等。如下圖２－５是ｇｏｏｇｌｅ可視化機(jī)器學(xué)習(xí)的計(jì)算??過程的示例：??０趣丨學(xué)３醉?....

本文編號(hào)：4024244