道路目標檢測技術(shù)是智能交通中的關(guān)鍵性技術(shù),其目的是根據(jù)道路監(jiān)控圖像檢測相應(yīng)的道路目標,而道路場景背景多樣、目標繁雜�，F(xiàn)今主要是通過大型服務(wù)器計算完成目標檢測,但一套目標檢測服務(wù)器價格昂貴。本文設(shè)計一種實時道路目標檢測嵌入式平臺,針對小的應(yīng)用場景能夠?qū)崿F(xiàn)對于自行車、大巴、轎車、摩托車、行人的實時檢測。本文的主要研究內(nèi)容如下:(1)提出一種適用于嵌入式設(shè)備的輕量化深度學習網(wǎng)絡(luò)。基于現(xiàn)有的YOLOv3算法存在的檢測速度過慢和模型過大的問題,優(yōu)化YOLOv3中的backbone網(wǎng)絡(luò)以及不同空間分辨率特征融合模型,設(shè)計了實時目標檢測MobileNetv1_yolov3lite_c2網(wǎng)絡(luò)。該網(wǎng)絡(luò)的運算速度相對于YOLOv3提升了3.64倍,模型檢測精度相對于YOLOv3降低了10%左右。(2)對網(wǎng)絡(luò)的檢測精度的優(yōu)化�；贚RM(loss rank mining)和label_smoothing的方法針對MobileNetv1_yolov3lite_c2網(wǎng)絡(luò)算法的損失函數(shù)進行優(yōu)化改進,引入mixup數(shù)...

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 目標檢測算法
        1.2.2 交通場景中的目標檢測
    1.3 論文研究主要內(nèi)容及章節(jié)安排
第2 章深度學習與YOLO檢測算法相關(guān)理論
    2.1 深度卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 神經(jīng)網(wǎng)絡(luò)
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 YOLO目標檢測算法
    2.3 本章小結(jié)
第3章 道路目標檢測算法設(shè)計與優(yōu)化
    3.1 目標檢測算法優(yōu)化方向
    3.2 網(wǎng)絡(luò)運算速度提升
        3.2.1 針對基礎(chǔ)網(wǎng)絡(luò)的優(yōu)化
        3.2.2 針對不同空間分辨率特征圖之間融合方法的優(yōu)化改進
    3.3 網(wǎng)絡(luò)檢測精度的優(yōu)化
        3.3.1 針對YOLOv3 基礎(chǔ)損失函數(shù)的優(yōu)化
        3.3.2 訓(xùn)練方法優(yōu)化改進
    3.4 本章小結(jié)
第4章 道路目標檢測算法的實現(xiàn)與分析
    4.1 算法評價標準與訓(xùn)練數(shù)據(jù)集
        4.1.1 目標檢測算法的評價標準
        4.1.2 訓(xùn)練數(shù)據(jù)集
    4.2 算法的實現(xiàn)與訓(xùn)練
        4.2.1 實驗環(huán)境
        4.2.2 深度學習框架選取與搭建
        4.2.3 檢測算法的實現(xiàn)與訓(xùn)練
    4.3 檢測結(jié)果對比分析
        4.3.1 網(wǎng)絡(luò)檢測速度優(yōu)化效果對比分析
        4.3.2 網(wǎng)絡(luò)檢測精度優(yōu)化效果對比分析
    4.4 本章小結(jié)
第5章 檢測算法的嵌入式實現(xiàn)與測試
    5.1 軟硬件平臺
        5.1.1 硬件平臺
        5.1.2 軟件平臺
    5.2 目標檢測算法的嵌入式實現(xiàn)
        5.2.1 軟件框架設(shè)計
        5.2.2 軟件實現(xiàn)
    5.3 嵌入式實現(xiàn)與結(jié)果分析
        5.3.1 仿真實驗以及檢測效果對比
        5.3.2 檢測結(jié)果寫入數(shù)據(jù)庫
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
攻讀碩士學位期間的研究成果



本文編號：3976606