交通駕駛場景是一個立體多元、瞬態(tài)變化、動靜結(jié)合的復(fù)雜環(huán)境,場景中不僅有靜態(tài)刺激（或目標(biāo)）,如停放在路邊的汽車,也有動態(tài)的刺激（或目標(biāo)）,如行駛的汽車或行人。受視覺選擇性注意機(jī)制影響,有經(jīng)驗(yàn)的駕駛員會選擇性關(guān)注與駕駛安全或駕駛目的密切相關(guān)的交通場景顯著區(qū)域和顯著區(qū)域內(nèi)的重要目標(biāo),而自動忽略掉大部分與駕駛安全無關(guān)的場景信息或目標(biāo),以達(dá)到安全駕駛的目的。通過模擬交通場景中駕駛員視覺選擇性注意機(jī)制,開展交通場景顯著性區(qū)域內(nèi)目標(biāo)檢測研究,可以為未來自動駕駛（或無人駕駛）車輛提供一種快速又安全的目標(biāo)檢測駕駛策略,大大減少自動車輛的計算能耗。本論文在本實(shí)驗(yàn)室已有的駕駛員眼動數(shù)據(jù)集和顯著性區(qū)域計算模型基礎(chǔ)上,建立了一個新的顯著性區(qū)域內(nèi)目標(biāo)檢測數(shù)據(jù)集。將視覺注意機(jī)制融合到現(xiàn)有目標(biāo)檢測模型中,提出了一個新的交通場景顯著性區(qū)域目標(biāo)檢測模型ID-YOLO（Increase-Decrease Based You Only Look Once）,實(shí)驗(yàn)測試結(jié)果表明,ID-YOLO可以準(zhǔn)確快速地檢測出交通駕駛環(huán)境中顯著性區(qū)域內(nèi)的重要目標(biāo)。論文主要內(nèi)容如下:首先,論文介紹了基于有經(jīng)驗(yàn)駕駛員眼動機(jī)制的顯著區(qū)域目標(biāo)檢測數(shù)據(jù)集...

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展
        1.2.1 視覺注意機(jī)制
        1.2.2 視覺顯著性計算模型及進(jìn)展
        1.2.3 基于深度學(xué)習(xí)的目標(biāo)檢測算法及進(jìn)展
    1.3 論文的主要工作
    1.4 論文的結(jié)構(gòu)安排
第二章 基于有經(jīng)驗(yàn)駕駛員眼動機(jī)制的顯著區(qū)域內(nèi)目標(biāo)檢測數(shù)據(jù)集的構(gòu)建
    2.1 引言
    2.2 實(shí)驗(yàn)數(shù)據(jù)來源
    2.3 構(gòu)建數(shù)據(jù)集
    2.4 SOD數(shù)據(jù)集
    2.5 本章小結(jié)
第三章 基于卷積神經(jīng)網(wǎng)絡(luò)的交通場景顯著性區(qū)域目標(biāo)檢測模型
    3.1 引言
    3.2 基于基礎(chǔ)Faster R-CNN的交通場景顯著性區(qū)域目標(biāo)檢測模型
        3.2.1 Faster R-CNN:Faster Regions with CNN features算法
        3.2.2 特征提取網(wǎng)絡(luò)
        3.2.3 模型構(gòu)建
        3.2.4 實(shí)驗(yàn)結(jié)果
    3.3 基于基礎(chǔ)YOLOv3 的交通場景顯著性區(qū)域目標(biāo)檢測模型
        3.3.1 YOLO和 YOLOv2 算法
        3.3.2 YOLOv3 算法
        3.3.3 YOLOv3 模型實(shí)現(xiàn)
        3.3.4 實(shí)驗(yàn)結(jié)果
    3.4 兩種模型的優(yōu)劣討論
    3.5 本章小結(jié)
第四章 基于ID-YOLO的交通場景顯著性區(qū)域目標(biāo)檢測模型
    4.1 引言
    4.2 基于YOLOv3 的框架改進(jìn)
        4.2.1 增加預(yù)測尺度和融合低級特征
        4.2.2 減少主框架的特征提取網(wǎng)絡(luò)
    4.3 基于ID-YOLO的動態(tài)駕駛場景顯著性區(qū)域目標(biāo)檢測模型
    4.4 實(shí)驗(yàn)結(jié)果
        4.4.1 定性評價
        4.4.2 定量評價
    4.5 本章小結(jié)
第五章 全文總結(jié)和展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
碩士期間取得的研究成果



本文編號：4043809