基于深度学习的道路坑洼检测

发布时间：2021-09-25 20:09

　　作为辅助驾驶系统的重要组成部分,道路坑洼检测技术能够为辅助驾驶提供高效、实用的辅助方法。道路中坑洼多样,呈现光照不均、形状不一、遮挡等特点。传统的算法在检测道路坑洼上有一定的局限性,需要人为设计坑洼的特征,其算法繁琐、复杂,同时算法的鲁棒性不高,不能准确地对坑洼进行相应的检测。近年来,随着计算机视觉的不断发展,深度学习在其上的应用已经超越了传统的图像方法。面对复杂多变的道路坑洼,深度学习能够自动地提取图像的特征,克服了传统方法的缺陷。因此,针对上述描述坑洼检测的相关问题,其主要研究如下:（1）本文提出了基于卷积神经网络的目标检测方法对道路坑洼进行检测。对于本文的研究,通过人工采集与互联网收集坑洼的多种情形数据,以及采用图像旋转、加椒盐噪声、裁剪的数据增广方式来丰富坑洼图像数据。分别构建了用于坑洼分类的A数据集、B数据集,以及坑洼检测用的C数据集,并对其作相应的标签。（2）本文提出基于卷积神经网络的分类方法对道路的坑洼场景进行分类,在两种基础的分类网络之上,用A数据集的道路坑洼训练,得到最佳分类网络Inception_v1;并结合道路坑洼的多场景分类应用对分类网络进行... 

【文章来源】：上海师范大学上海市

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

无坑洼的道

第2章多场景道路坑洼的基础分类网络研究上海师范大学硕士学位论文10（a）（b）（c）（d）（e）（f）（g）图2-1无坑洼的道路数据的各种情形强光下坑洼的道路数据包含了图2-2所示的情形，其中的a、b、c、d分别代表强光下的坑洼道路数据下的雨天、雪天、晴天，以及有阴影的情况。（a）（b）（c）（d）图2-2强光下的坑洼道路数据的各种情形弱光下坑洼的道路数据包含了图2-3所示的情形，其中a、b分别代表弱光下的坑洼道路数据下的水渍、非水渍情况。（a）（b）图2-3弱光下的坑洼道路数据的各种情形

第2章多场景道路坑洼的基础分类网络研究上海师范大学硕士学位论文10（a）（b）（c）（d）（e）（f）（g）图2-1无坑洼的道路数据的各种情形强光下坑洼的道路数据包含了图2-2所示的情形，其中的a、b、c、d分别代表强光下的坑洼道路数据下的雨天、雪天、晴天，以及有阴影的情况。（a）（b）（c）（d）图2-2强光下的坑洼道路数据的各种情形弱光下坑洼的道路数据包含了图2-3所示的情形，其中a、b分别代表弱光下的坑洼道路数据下的水渍、非水渍情况。（a）（b）图2-3弱光下的坑洼道路数据的各种情形

【参考文献】：
期刊论文
[1]基于卷积神经网络的多场景道路坑洼图像检测[J]. 陈鹏,应骏.  上海师范大学学报(自然科学版). 2020(01)
[2]基于卷积神经网络的车牌字符识别[J]. 董峻妃,郑伯川,杨泽静.  计算机应用. 2017(07)

硕士论文
[1]基于灵敏度剪枝方法的深度神经网络压缩实现研究[D]. 王宇.西安理工大学 2019
[2]基于深度学习的道路裂缝识别算法研究与实现[D]. 冯卉.北京邮电大学 2019
[3]基于人工智能的网络异常行为分析[D]. 宋佳明.北京邮电大学 2019
[4]基于卷积神经网络的车牌识别关键技术的研究与应用[D]. 高攀.北京邮电大学 2019
[5]基于深度神经网络的遥感影像路面裂缝检测方法研究[D]. 杨晨曦.武汉科技大学 2019
[6]基于深度学习的道路场景目标检测方法研究[D]. 吕致萍.吉林大学 2019
[7]基于深度学习的端到端道路裂缝检测技术研究[D]. 柏嘉洛.华中科技大学 2019
[8]基于深度卷积神经网络和图像传感器的道路多目标检测研究[D]. 谢一德.北京交通大学 2018
[9]基于卷积神经网络的遥感图像分类算法研究[D]. 梁晓旭.西安电子科技大学 2018
[10]基于卷积神经网络的道路目标检测研究[D]. 曹朝辉.郑州大学 2018



本文编号：3410364