交通標(biāo)志識(shí)別是先進(jìn)輔助駕駛以及無人駕駛中的關(guān)鍵技術(shù)。目前對(duì)于這一問題的主要研究思路是通過安裝在車輛上的攝像機(jī)獲取自然場景圖像,進(jìn)而通過圖像處理與模式識(shí)別等技術(shù)對(duì)場景中的交通標(biāo)志進(jìn)行實(shí)時(shí)檢測和識(shí)別。由于真實(shí)的道路交通環(huán)境復(fù)雜多變,現(xiàn)實(shí)應(yīng)用又要求其保證較高的準(zhǔn)確率和實(shí)時(shí)性,因此交通標(biāo)志識(shí)別研究從理論到實(shí)際應(yīng)用都具有很高的意義。傳統(tǒng)方法使用滑動(dòng)窗口結(jié)合手工設(shè)計(jì)特征進(jìn)行交通標(biāo)志識(shí)別,在精度和實(shí)時(shí)性上已經(jīng)難以滿足智能駕駛系統(tǒng)的需要。近年來,卷積神經(jīng)網(wǎng)絡(luò)(Convolution Neural Network,CNN)和候選區(qū)域(Region Proposal)等深度學(xué)習(xí)算法的發(fā)展為交通標(biāo)志識(shí)別技術(shù)提供了新的可能,本文將基于深度學(xué)習(xí)的目標(biāo)檢測思想用于交通標(biāo)志識(shí)別研究,并進(jìn)一步實(shí)現(xiàn)基于智能車平臺(tái)的交通標(biāo)志識(shí)別。具體工作包括以下幾個(gè)方面:(1)基于GPU服務(wù)器平臺(tái),采用深度學(xué)習(xí)的方法進(jìn)行交通標(biāo)志檢測算法研究。首先使用 Faster R-CNN(Faster Region-based Convolutional Neural Networks)進(jìn)行交通標(biāo)志檢測,這種方法通過RPN(Region Propo...

【文章頁數(shù)】：87 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景及意義
        1.1.1 交通標(biāo)志
        1.1.2 輔助駕駛與無人駕駛
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)的交通標(biāo)志識(shí)別方法研究現(xiàn)狀
        1.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別方法
    1.3 交通標(biāo)志識(shí)別的研究難點(diǎn)
    1.4 論文研究內(nèi)容和組織結(jié)構(gòu)
2 相關(guān)理論基礎(chǔ)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.1.2 反向傳播算法
    2.2 基于深度學(xué)習(xí)的目標(biāo)檢測算法
        2.2.1 R-CNN
        2.2.2 SPP-NET
        2.2.3 Fast R-CNN
        2.2.4 Faster R-CNN
    2.3 本章小結(jié)
3 基于深度學(xué)習(xí)的交通標(biāo)志檢測算法研究
    3.1 數(shù)據(jù)集介紹
    3.2 性能指標(biāo)
    3.3 基于Faster R-CNN的交通標(biāo)志檢測
        3.3.1 區(qū)域候選網(wǎng)絡(luò)
        3.3.2 Fast R-CNN與RPN共享卷積特征
        3.3.3 特征網(wǎng)絡(luò)ResNet
        3.3.4 實(shí)驗(yàn)結(jié)果與分析
    3.4 基于R-FCN的交通標(biāo)志檢測
        3.4.1 位敏得分地圖
        3.4.2 R-FCN用于交通標(biāo)志檢測
        3.4.3 實(shí)驗(yàn)結(jié)果與分析
    3.5 現(xiàn)有算法檢測結(jié)果與分析
    3.6 本章小結(jié)
4 基于智能車平臺(tái)的交通標(biāo)志識(shí)別系統(tǒng)實(shí)現(xiàn)
    4.1 實(shí)驗(yàn)平臺(tái)搭建
        4.1.1 硬件平臺(tái)
        4.1.2 軟件平臺(tái)
    4.2 交通標(biāo)志數(shù)據(jù)集
        4.2.1 數(shù)據(jù)標(biāo)注
        4.2.2 數(shù)據(jù)擴(kuò)充
    4.3 模型訓(xùn)練
        4.3.1 驗(yàn)證集的使用
        4.3.2 微調(diào)模型
        4.3.3 參數(shù)調(diào)試實(shí)驗(yàn)
    4.4 不同行車場景下的交通標(biāo)志檢測
        4.4.1 白天場景下的交通標(biāo)志識(shí)別實(shí)驗(yàn)結(jié)果與分析
        4.4.2 夜晚場景下的交通標(biāo)志識(shí)別實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 下一步工作
參考文獻(xiàn)
圖索引
表索引
作者簡歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3865280