基于深度學(xué)習(xí)的城市交通場(chǎng)景目標(biāo)檢測(cè)算法研究.pdf

1、IIIIIIIIIlrlIIUlIII密級(jí)：公開(kāi)Y3346971浙爐z角矢乎碩士學(xué)位論文論文題目：基壬速度堂習(xí)的城壺交通場(chǎng)景目標(biāo)檢測(cè)算法研究作者姓名：黃剛提交El期：2018年1月到端卷積神經(jīng)網(wǎng)絡(luò)，用于車道線等小目標(biāo)的檢測(cè)。針對(duì)小目標(biāo)，本文以VGGl6網(wǎng)絡(luò)為基礎(chǔ)，調(diào)整了網(wǎng)絡(luò)的感知域，同時(shí)將空間域的變化引入候選框的生成機(jī)制。在得到小目標(biāo)候選框(如車道線塊等)后，可通過(guò)基于優(yōu)化的方法獲得車道線方程。最后在KITTIROAD數(shù)據(jù)集和交通場(chǎng)景數(shù)

2、據(jù)集上驗(yàn)證了此算法的性能。就小目標(biāo)車道線塊而言，本文的方法平均準(zhǔn)確率達(dá)到了643％，相比于其他算法性能顯著提高。最后本文提出了一種基于漏斗級(jí)聯(lián)結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)用于交通標(biāo)志符的檢測(cè)。該算法以殘差網(wǎng)絡(luò)為基礎(chǔ)，結(jié)合SSD網(wǎng)絡(luò)框架，加入帶有反卷積操作的漏斗結(jié)構(gòu)，結(jié)合高層語(yǔ)義信息和低層位置信息，同時(shí)在檢測(cè)模塊引入殘差塊，優(yōu)化訓(xùn)練過(guò)程。最后在TTl00K和GTSDB兩個(gè)交通標(biāo)志符數(shù)據(jù)集測(cè)試了算法的性能，雖然算法的檢測(cè)精度沒(méi)能達(dá)到先進(jìn)水平，但是相較