發(fā)布時間：2021-02-11 05:21

　　智能駕駛是汽車發(fā)展的趨勢,也是當前汽車行業(yè)研究的熱點;環(huán)境感知是智能駕駛系統(tǒng)中的重要模塊,其主要任務是感知智能駕駛汽車周圍的行人、車輛、交通信號燈、障礙物等物體,便于智能駕駛系統(tǒng)做出正確的路徑規(guī)劃,避免汽車在行駛過程中發(fā)生碰撞。智能駕駛汽車對環(huán)境感知模塊的實時性能要求很高,而當前一些主流的模型旨在追求準確率的提升,忽略了模型的實時性;輕量化技術是優(yōu)化模型實時性的重要技術手段。本文主要基于深度學習中的輕量化技術,對環(huán)境感知中的圖像感知做了深入研究,提出了一套適用于智能駕駛場景的視覺識別和語義分割方案。首先,針對視覺識別問題,基于深度分離卷積、分組卷積等輕量化的高效卷積方式,設計了用于圖像特征提取的不變分辨率卷積模塊和下采樣模塊;并依此構建了深度主干網絡,檢測部分主要參照SSD網絡并做了改進和優(yōu)化,并在KITTI數據集上對設計好的模型進行了訓練、測試及分析。其次,針對語義分割問題,使用高效的多尺度信息融合單元和高效的輕量化網絡,設計了用于語義分割的輕量深度卷積神經網絡;在CityScapes數據集上進行了訓練和測試,并使用了剪枝和量化等輕量化技術手段壓縮模型,優(yōu)化網絡速度和體積。最后,在K... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：84 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
    1.3 本文主要研究內容
    1.4 章節(jié)安排
2 相關理論
    2.1 智能駕駛系統(tǒng)組成
    2.2 卷積神經網絡
    2.3 網絡輕量化技術
    2.4 評價指標
    2.5 本章小結
3 輕量化視覺識別網絡設計
    3.1 網絡結構
    3.2 數據增強
    3.3 數據集
    3.4 數據處理
    3.5 訓練
    3.6 剪枝
    3.7 實驗結果分析
    3.8 本章小結
4 輕量化語義分割網絡設計
    4.1 網絡結構
    4.2 剪枝與量化
    4.3 數據集
    4.4 訓練
    4.5 實驗結果分析
    4.6 本章小結
5 總結與展望
    5.1 總結
    5.2 展望
致謝
參考文獻


【參考文獻】：
期刊論文
[1]百度如何加速中國自動駕駛車量產進程?[J]. 甄文媛.  汽車縱橫. 2017(12)
[2]無人駕駛汽車的現狀及展望[J]. 宋建璋,梁家銘.  汽車與駕駛維修(維修版). 2017(10)
[3]深度學習在無人駕駛汽車領域應用的研究進展[J]. 王科俊,趙彥東,邢向磊.  智能系統(tǒng)學報. 2018(01)



本文編號：3028594