【摘 要】
：
交通标志检测是智能驾驶中的关建技术,对于无人驾驶以及汽车辅助系统都有较大的研究价值。自然交通场景中汽车行驶速度快,对于检测的速度要求较高。而交通标志相对于道路上的其他物体其体积较小,检测难度大。本文对于上述交通标志检测的两个重要问题运用深度学习技术进行研究,以求能研究出能同时满足交通标志检测任务中速度与精度的模型。具体的工作内容如下:（1）针对交通标志检测难度大,精度要求高的问题,本文在精度较高的
论文部分内容阅读
交通标志检测是智能驾驶中的关建技术,对于无人驾驶以及汽车辅助系统都有较大的研究价值。自然交通场景中汽车行驶速度快,对于检测的速度要求较高。而交通标志相对于道路上的其他物体其体积较小,检测难度大。本文对于上述交通标志检测的两个重要问题运用深度学习技术进行研究,以求能研究出能同时满足交通标志检测任务中速度与精度的模型。具体的工作内容如下:（1）针对交通标志检测难度大,精度要求高的问题,本文在精度较高的二阶段检测器R-FCN模型上进行改进。首先对其特征提取网络Res Net101进行裁剪,只保留前25层,不仅提升了检测的速度,准确率也得到提升。交通标志形状固定且规则,不同种类的交通标志主要区别在于其内部特征,将可变形卷积与可变形位置敏感ROI池化层的引入其中,模型能更好得提取交通标志的特征。交通标志面积小,R-FCN原始的预设锚点框过大,使用K-means聚类算法得到合适尺寸的锚点框。训练过程中使用在线困难例挖掘策略（OHEM）,以减少简单样本。在GTSDB和CCTSDB数据集上的实验结果表明,改进后的模型精度和速度都得到了提升。（2）YOLOv3速度快,适合于检测速度需要达到实时的检测任务。对于交通标志检测,本文同样在YOLOv3模型上进行了一定改进。将骨干网络Dark Net53网络替换成Res Net50,加快检测速度。可变形卷积运用于Res Net50的Conv＿5模块之中,最后引入空间池化金字塔结构,实验的结果验证了改进模型的有效性。
其他文献
目前,随着人工智能的快速发展,基于人工智能的算法被广泛应用在生活中各个方面。其中基于计算机视觉的算法发展尤为迅速。分类与回归问题是计算机视觉中最为常见的两类问题。计算机视觉研究大多围绕这两类问题展开。随着深度学习的发展,越来越多的算法被提出来解决这些问题。其中注意力机制是最近比较热门的一个研究方向,被应用到计算机视觉问题中来解决各种相关问题。本文主要研究注意力机制在计算机视觉中分类和回归两类问题中
随着互联网不断融入到社会经济和日常生活中,人们已习惯于进行各种在线信息查询和交互行为（如数据检索、信息查询、网络购物、社交、导航等）,网络数据、信息的数量及其应用飞速增长,导致如何在海量信息中,准确、快速获得所需要的信息成为近年来的研究热点。其中,各类推荐系统作为一种解决该问题的有效方法,尤其是协同过滤算法,已经取得了不少的研究成果并被广泛应用。然而,相关算法在稀疏性、冷启动、抵御托攻击等方面,仍
随着卷积神经网络技术的飞速发展,人脸识别成为模式识别与人工智能领域研究的热点。传统人脸识别方法主要依靠特定场景的手工特征进行特征提取,鲁棒性较差,应用场景受限。而基于卷积神经网络的人脸识别方法通过多层级联的复杂线性结构直接从人脸样本图像中提取区分度更高、更具有表达能力的人脸特征信息,从而提高人脸识别准确率。人脸识别技术的核心在于如何提取强区分性的人脸特征,鉴于此,本文聚焦于特征提取网络结构,对基于
随着数据爆炸时代的到来,如何高效快捷地挖掘出冗余数据中有价值的信息变得越来越重要。聚类分析是一种无标签、无监督学习的数据挖掘技术,可以在低成本的情况下发现数据中有价值的信息。模糊C均值算法（FCM）就是聚类分析中的一种典型算法,它在K-means算法的基础上加入模糊集理论,被广泛应用到各个领域中。但是,模糊C均值算法对初始聚类中心较敏感且鲁棒性不强。针对这些问题,本文提出了一种改进的核模糊C均值算
在数字图像处理技术高速发展的今天,图像配准作为图像识别领域的热门研究方向,在医学影像处理、遥感图像处理、计算机视觉以及人脸识别等领域有着极为广泛的应用。图像配准技术发展到今天,经过几代学者孜孜不倦的钻研探索,在图像识别领域已经提出了很多种性能优秀的配准算法。在这些配准算法中,尺度不变特征变换（SIFT）特征具有良好的尺度不变性,对图像的旋转、缩放、光照变化以及噪声都有着不错的容忍性。尺度不变特征变
随着微电网在电力行业的快速发展,微电网电能交易开始走向市场化,对微电网电能可信交易的研究具有重要的理论研究价值和社会价值。现有基于区块链的微电网电能可信交易存在以下问题。问题一是现有基于区块链的微电网电能可信交易模型大都针对某一特定层面,忽略整个模型数据间的联系与交互问题,导致模型缺乏灵活性。并且,现有基于区块链的微电网电能可信交易模型使用单链存储方式,导致模型产生的所有数据都进行了大量重复存储,
身份感知的面部表情识别是近年来面部表情识别领域的一种重要的模型设计思路,其旨在降低或避免面部图像间的特征差异干扰面部表情识别模型,减少人与人的特征差异而提升不同表情之间的差异。近年的研究为身份感知提供了两种实现思路,第一种采用扩大类外差异、缩小类内差异的策略提升识别精度;第二种采用当前热门的生成对抗网络进行图像的风格迁移,通过真实图像与生成图像间的差异性,获得预测分类结果。本文基于生成对抗网络的身
近几年以来,网络上的文本数据越来越多对海量的文本数据如何进行有效的管理已成为信息管理领域中热门的研究内容之一。信息管理领域首要的任务就是理解文本的语义,其中句子相似度的计算就是常用的方法之一,它在智能客服、机器翻译、信息检索等领域有着广泛的应用。本文重点研究了中文问句相似度计算的问题,具体内容如下:经调研发现目前的中文问句相似度计算模型存在以下几个问题:一、模型的性能依赖于中文分词技术的准确性;二
虚拟手术是以医学图像数据为基础,通过三维重建技术构建出虚拟器官组织模型,同时通过触觉交互系统模拟出真实手术过程中手术器械与虚拟组织器官的交互场景,提供给用户真实体验和沉浸感的一类虚拟现实系统。在虚拟手术系统中需要建立高度逼真的软组织器官几何模型,同时在手术中常见切割、缝合、抽吸等操作后常常伴随着出血场景,这也是虚拟手术仿真中的难点。针对虚拟手术中几何模型真实性不高和虚拟手术中血流可视化仿真不真实的