發(fā)布時(shí)間：2024-03-16 06:34

　　車(chē)載視頻中的行人檢測(cè)技術(shù)是無(wú)人駕駛的重要組成部分,在檢測(cè)精度和速度方面都有著較高的要求。由于行人在視頻或者圖像中的尺度問(wèn)題以及復(fù)雜的背景環(huán)境問(wèn)題,使得檢測(cè)器的性能會(huì)受到很大的影響。本文在現(xiàn)有SSD算法的基礎(chǔ)進(jìn)行改進(jìn),以提高檢測(cè)系統(tǒng)的性能。主要的研究工作包括:一、在 SSD 算法的基礎(chǔ)上構(gòu)建 AMSSD(Advanced MobileNet SSD,AMSSD)行人檢測(cè)網(wǎng)絡(luò)模型。首先在SSD算法中使用MobileNet網(wǎng)絡(luò)減少計(jì)算量,從而提高檢測(cè)的速度;然后再抽取合適的網(wǎng)絡(luò)層構(gòu)成分支檢測(cè)網(wǎng)絡(luò),并針對(duì)行人尺度多變的情況,融合不同網(wǎng)絡(luò)層的特征圖進(jìn)行檢測(cè)。本文使用VOC和COCO數(shù)據(jù)集作為訓(xùn)練集,對(duì)Cityscapes數(shù)據(jù)集進(jìn)行測(cè)試,實(shí)驗(yàn)結(jié)果表明AMSSD算法能夠在保持精度的前提下提高檢測(cè)速度,可達(dá)到實(shí)時(shí)的效果。二、在AMSSD行人檢測(cè)網(wǎng)絡(luò)模型的基礎(chǔ)上添加Focal Loss損失函數(shù),構(gòu)建FAMSSD(Focal Loss and Advanced MobileNet SSD,FAMSSD)行人檢測(cè)網(wǎng)絡(luò)模型。該模型可平衡算法中正負(fù)樣本和簡(jiǎn)單困難樣本的數(shù)量,以得到更好的行人檢測(cè)性能。實(shí)驗(yàn)結(jié)果表明...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．?１?ＳＳＤ默認(rèn)框??

適??用于尺度較大的目標(biāo)的檢測(cè)，例如狗。而８Ｘ８的特征圖更適合于尺度較小的目標(biāo)的檢??測(cè)，例如貓。這些ｄｅｆａｕｌｔ?ｂｏｘ主要用于確定目標(biāo)的位置和類(lèi)別，在訓(xùn)練中真實(shí)框會(huì)與??ｄｅｆａｕｌｔ?ｂｏｘ相匹配，當(dāng)ｄｅｆａｕｌｔ?ｂｏｘ與真實(shí)框能夠匹配上，則為正樣本，否則就是負(fù)樣本，?....

圖２．?２?ＳＳＤ網(wǎng)絡(luò)??Ｆｉｇ．?２．２?ＳＳＤ?ｎｅｔｗｏｒｋ??

?大連海事大學(xué)專(zhuān)業(yè)學(xué)位碩士學(xué)位論文???（１；〇１１￥４－３、￡〇１１￥１０－２、（＾〇１１￥１１－２米用的是每個(gè)單兀生成４個(gè)（＾￡＆１１１１；１）〇＼，而（１；〇１１￥７、（２〇１１＼／８－??２、Ｃｏｎｖ９－２則是釆用每個(gè)單元生成６個(gè)ｄｅｆａｕｌｔ?ｂｏｘ，根據(jù)上面的預(yù)測(cè)值計(jì)....

圖２．?３檢測(cè)網(wǎng)絡(luò)層處理過(guò)程??Ｆｉｇ．?２．３?Ｄｅｔｅｃｔｉｏｎ?ｏｆ?ｎｅｔｗｏｒｋ?ｌａｙｅｒ?ｐｒｏｃｅｓｓ??

ｍｂ〇ｘ＿ｌ〇ｃ?Ｃｏｎｖ４＿３＿ｍ?ｂｏｘ＿ｃｏｎｆ?Ｃｏｎｖ４＿３＿ｍｂｏｘ＿ｐｒｉｏｒｂｏｘ??ｉ?Ｃｏｎｖ４＿３＿ｍｂｏｘＪｏｃ＿ｐｅｒｍ?丨?ｉ?Ｃｏｎｖ４？３．．．ｍｂｏｘ．．．．ｃｏｎｆ＿ｐｅｒｍ?姜??ｆ?Ｃｏｎｖ４＿３＿ｍｂｏｘ＿ｌｏｃ＿ｆｌａｔ?；?Ｉ?Ｃｏｎ....

圖２．４普通卷積過(guò)程和ＭｏｂｉｌｅＮｅｔ卷積過(guò)程??

在卷積后面就??是一系列的深度卷積和點(diǎn)卷積過(guò)程，而且會(huì)對(duì)部分深度卷積過(guò)程采取步長(zhǎng)為２的下采樣??操作。然后ａｖｇ?ｐｏｏｌ將特征圖變?yōu)椋?Ｘ?１大小，在全連接層后就是ｓｏｆｔｍａｘ分類(lèi)器。??普通卷積過(guò)程和ＭｏｂｉｌｅＮｅｔ卷積過(guò)程對(duì)比圖如２．４所示：??Ｉ?３ｘ３?Ｃｏｎｖ?｜....

本文編號(hào)：3929259