目標(biāo)檢測(cè)是一個(gè)具有挑戰(zhàn)性的計(jì)算機(jī)視覺(jué)問(wèn)題,具有廣泛的應(yīng)用前景�；谝曈X(jué)對(duì)道路環(huán)境的感知是輔助駕駛系統(tǒng)重要的信息獲取手段,而在眾多的路面信息中,交通信號(hào)燈提供的路面通行信息尤為重要。它是車輛通行的指揮棒,道路暢通的關(guān)鍵。交通燈包含了重要而精確的信息,具有非常高的檢測(cè)價(jià)值。本文將研究并實(shí)現(xiàn)一個(gè)基于嵌入式GPU的交通燈及數(shù)字檢測(cè)系統(tǒng)。針對(duì)交通燈檢測(cè)任務(wù)的特點(diǎn),即準(zhǔn)確率高和檢測(cè)速度快,本文選擇了深度學(xué)習(xí)回歸法中的YOLOv3模型進(jìn)行深入的研究。首先,對(duì)YOLOv3的特征提取網(wǎng)絡(luò)做出改進(jìn)。設(shè)計(jì)一個(gè)下采樣塊包括3×3和5×5的卷積核以及最大池化層,用于替換原有網(wǎng)絡(luò)特征譜尺寸縮減的卷積層,以減少特征提取網(wǎng)絡(luò)對(duì)特征的丟失。其次,在YOLOv3檢測(cè)網(wǎng)絡(luò)的基礎(chǔ)上,添加了以4為步長(zhǎng)的上采樣,將深度特征與不同淺層特征融合,使得特征譜輸出特征更全面,提高深度特征在多尺度檢測(cè)網(wǎng)絡(luò)中的復(fù)用并提高檢測(cè)率。接著,本文引入輕量化網(wǎng)絡(luò)MobileNet以降低改進(jìn)后YOLOv3模型的參數(shù)量和計(jì)算量,從而提高推理速度。最后,通過(guò)K-means聚類選擇錨框的數(shù)量和尺寸,從而提高檢測(cè)精度和召回率。本文制作了包含數(shù)字燈、轉(zhuǎn)向燈和交通...

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-3全連接網(wǎng)絡(luò)使用FCN的前后對(duì)比

第二章交通燈及數(shù)字檢測(cè)算法與數(shù)據(jù)集的制作9的參數(shù)量和模型大小，同時(shí)也加快了模型的推理速度。全連接網(wǎng)絡(luò)使用FCN的前后對(duì)比如圖2-3所示。圖2-3全連接網(wǎng)絡(luò)使用FCN的前后對(duì)比由于FCN全部通過(guò)卷積層連接，因此可以接受任意尺寸的輸入圖像。而輸出的特征譜與輸入圖像的尺寸保持一致，主要....

圖2-4全卷積網(wǎng)絡(luò)框圖

第二章交通燈及數(shù)字檢測(cè)算法與數(shù)據(jù)集的制作9的參數(shù)量和模型大小，同時(shí)也加快了模型的推理速度。全連接網(wǎng)絡(luò)使用FCN的前后對(duì)比如圖2-3所示。圖2-3全連接網(wǎng)絡(luò)使用FCN的前后對(duì)比由于FCN全部通過(guò)卷積層連接，因此可以接受任意尺寸的輸入圖像。而輸出的特征譜與輸入圖像的尺寸保持一致，主要....

圖2-7多尺度特征譜目標(biāo)檢測(cè)方法

電子科技大學(xué)碩士學(xué)位論文1211(,)LLiilLlLLillosslossxlossFxWxxxxx(2-4)由公式（2-4）可得，無(wú)論是哪層，更高層的梯度成分都可以直接傳遞過(guò)去。括號(hào)中的1表明可以無(wú)損的傳播梯度，而另外一項(xiàng)殘差梯度則需要經(jīng)過(guò)帶有weight的層。殘差梯度不會(huì)總....

圖2-8特征金字塔的具體實(shí)現(xiàn)

第二章交通燈及數(shù)字檢測(cè)算法與數(shù)據(jù)集的制作13實(shí)時(shí)檢測(cè)的要求。圖2-7（b）傳統(tǒng)分類網(wǎng)絡(luò)的檢測(cè)方法，通過(guò)頂層的特征譜輸出特征，容易漏檢小目標(biāo)。圖2-7（c）其實(shí)是對(duì)單特征譜輸出的改進(jìn)，在不同分辨率的特征譜上進(jìn)行目標(biāo)位置預(yù)測(cè)。卷積神經(jīng)網(wǎng)絡(luò)每層的輸出的擁有不同的含義特征。淺層網(wǎng)絡(luò)難以學(xué)....

本文編號(hào)：3955222