隨著計(jì)算機(jī)科學(xué)、通訊技術(shù)、自動(dòng)控制原理等學(xué)科的發(fā)展,無人駕駛汽車從科幻走向現(xiàn)實(shí),包括google在內(nèi)的多家科技公司對無人駕駛汽車領(lǐng)域所涉及的自動(dòng)駕駛技術(shù)表現(xiàn)出前所未有的研究熱情,而其中對車輛檢測算法的研究也已成為無人駕駛汽車在實(shí)現(xiàn)過程中的熱點(diǎn)研究領(lǐng)域。近年來隨著GPU技術(shù)的成熟,業(yè)內(nèi)深度學(xué)習(xí)算法的理論研究上升到一個(gè)新的臺階,興起了一批以CNN深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ)的圖像檢測算法革新,他們相較淺層機(jī)器學(xué)習(xí)算法在檢測精度方面有了明顯提升。但因其存在網(wǎng)絡(luò)規(guī)模過大導(dǎo)致的計(jì)算量過大問題,使其在嵌入式實(shí)現(xiàn)時(shí)困難重重,難以到達(dá)車輛檢測任務(wù)的實(shí)時(shí)性要求,且過高的硬件實(shí)現(xiàn)成本使其難以在短時(shí)間內(nèi)在車輛檢測領(lǐng)域達(dá)到應(yīng)用級要求。本文首先以提高基于深度學(xué)習(xí)的車輛檢測算法的性能為目標(biāo),數(shù)據(jù)優(yōu)化方面針對車輛檢測任務(wù)對場景圖片的要求,提出通過誤差曲線分析方法和誤差表格分析方法,重建深度學(xué)習(xí)算法所用的數(shù)據(jù)集,實(shí)現(xiàn)數(shù)據(jù)集優(yōu)化。參數(shù)優(yōu)化方面對深度學(xué)習(xí)算法中的關(guān)鍵參數(shù)進(jìn)行對比選擇,提取出最適合車輛檢測任務(wù)的一組算法參數(shù)。通過以上的研究和實(shí)驗(yàn),完成深度學(xué)習(xí)算法的優(yōu)化和檢測精度提升。其次,針對深度學(xué)習(xí)算法在嵌入式實(shí)現(xiàn)時(shí)計(jì)算量過大... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：93 頁

【學(xué)位級別】：碩士

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)整體結(jié)構(gòu)

圖 2-2 卷積過程例述如圖所示，在卷積期間，每個(gè)濾波器每次僅處理部分輸入數(shù)據(jù)，并獲得一個(gè)輸出值。然后卷積核移動(dòng)到下一個(gè)部分并使用相同的參數(shù)處理數(shù)據(jù)，稱之為稀疏交互和參數(shù)共享[21]。稀疏交互的概念來自本地接收域（LRF）的概念。感受野是一種神經(jīng)科學(xué)概念，由 Torsten Wiesel 和 David H. Hubel 于 1962 年提出[22]。他們在 1959 年對貓的視覺皮層進(jìn)行了一項(xiàng)實(shí)驗(yàn)，發(fā)現(xiàn)不同的神經(jīng)元對不同的空間分布有特定的偏好。視覺區(qū)域可以產(chǎn)生對某些視覺神經(jīng)元的刺激，稱為神經(jīng)元的感受野作為神經(jīng)元，對其感受野中的邊界信息更敏感�；诟惺芤暗母拍�，福島在 1983 年提出了一種新的視覺模式識別方法 Neocognitron [23]。Neocognitron 可以看作是第一個(gè)卷積神經(jīng)網(wǎng)絡(luò)工具。稀疏相互作用意味著卷積神經(jīng)網(wǎng)絡(luò)中的特征受體（卷積核）僅需要“檢測”輸入數(shù)據(jù)的一部分。 通過這種方式，每個(gè)特定神經(jīng)元只需要連接幾個(gè)輸入層節(jié)點(diǎn)，而不是所有節(jié)點(diǎn)。 它的意義與對人類圖片識別其中一個(gè)關(guān)鍵環(huán)節(jié)現(xiàn)實(shí)對應(yīng)。 觀

圖 2-3 目標(biāo)特征示意圖測這張照片中的鳥，需要找到諸如鳥眼睛、翅膀等特征在這張圖片中（識別）以及存在的位置核大�。z測）這張照片中找到“喙”這個(gè)特征。當(dāng)檢測到該功能時(shí)，得到所示圖片中“喙”的特征，只需要檢測圖片的某些喙時(shí)可以確認(rèn)此圖片中存在此特征，而該特征所處的位生動(dòng)的解釋稀疏交互的概念，見圖 2-4：

【參考文獻(xiàn)】：
期刊論文
[1]基于異構(gòu)多核并行加速的嵌入式神經(jīng)網(wǎng)絡(luò)人臉識別方法[J]. 高放,黃樟欽.  計(jì)算機(jī)科學(xué). 2018(03)
[2]基于車底陰影的前方運(yùn)動(dòng)車輛檢測[J]. 齊美彬,潘燕,張銀霞.  電子測量與儀器學(xué)報(bào). 2012(01)



本文編號：3232565