基于多任务网络的智能车辆环境感知方法研究

发布时间：2021-10-20 22:58

　　汽车行业发展迅速,正处于变革的时代,智能化成为未来发展的方向。智能驾驶环境感知技术作为提高汽车智能化水平的前提和关键技术,成为目前研究的重点。本文基于深度学习方法,提出一种高效、准确的基于车载相机的智能车辆环境感知算法,实现交通场景的深度理解,为智能车的发展奠定重要的理论和应用基础。首先,通过对语义分割网络模型的研究分析,提出一种带有“基数”和多分支融合理念的分割神经网络结构。该网络分为编码器和解码器两部分,基于PSPNet网络设计编码器结构提取输入图像的特征,将提取的特征输入解码器,通过反卷积和上采样操作,扩大输入特征图的尺寸,输出与输入图像同等尺寸的特征图。实验结果表明,所提出的语义分割网络具有很好的实时性和分割精度。其次,针对上文提出的应用于语义分割的神经网络,通过更好的特征提取网络实现目标检测任务。对Faster R-CNN的目标检测方法,将提出的语义分割网络的编码器部分作为目标检测任务的特征提取网络,将提取的特征图生成感兴趣区域,经过ROI池化后应用全连接层得到目标的分类和回归输出。实验结果表明,所提出的网络在目标检测任务上取得较好的检测精度和实时性。最后,本文基于交通场景,... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 引言
    1.2 深度学习研究现状
        1.2.1 发展历史
        1.2.2 深度学习的主要应用
    1.3 图像处理方法研究现状
        1.3.1 语义分割方法及研究现状
        1.3.2 目标检测方法及研究现状
        1.3.3 多任务学习及研究现状
    1.4 本文主要研究内容
2 深度学习模型及方法研究
    2.1 引言
    2.2 感知机
    2.3 受限玻尔兹曼机
    2.4 卷积神经网络
        2.4.1 局部连接和权值共享
        2.4.2 卷积
        2.4.3 池化
        2.4.4 激活
        2.4.5 神经网络训练
    2.5 本章小结
3 基于卷积神经网络的语义分割方法研究
    3.1 引言
    3.2 全卷积神经网络
    3.3 残差神经网络
    3.4 ResNeXt
    3.5 PSPNet
    3.6 网络结构的搭建
    3.7 网络的训练
    3.8 结果评估
    3.9 本章小结
4 基于卷积神经网络的目标检测方法研究
    4.1 引言
    4.2 R-CNN等基于候选区域的目标检测方法
    4.3 端对端的目标检测方法
    4.4 网络模型的搭建与应用
    4.5 网络的训练
    4.6 结果评估
    4.7 本章小结
5 多任务网络研究
    5.1 引言
    5.2 多任务网络设计
    5.3 多任务网络训练
    5.4 实验结果和分析
        5.4.1 语义分割网络训练结果
        5.4.2 目标检测网络训练结果
        5.4.3 多任务网络训练结果
    5.5 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]智能网联汽车[J].   中国工业和信息化. 2018(10)
[2]先进驾驶辅助系统开始普及[J]. 周路菡.  新经济导刊. 2016(08)
[3]Word2vec的工作原理及应用探究[J]. 周练.  科技情报开发与经济. 2015(02)
[4]无人驾驶汽车的发展现状和展望[J]. 杨帆.  上海汽车. 2014(03)
[5]BP算法分析与改进[J]. 贾丽会,张修如.  计算机技术与发展. 2006(10)
[6]一种改进的快速k-近邻分类算法[J]. 乔玉龙,潘正祥,孙圣和.  电子学报. 2005(06)
[7]一种基于朴素贝叶斯分类的特征选择方法[J]. 余芳,姜云飞.  中山大学学报(自然科学版). 2004(05)
[8]神经网络中的多维MP模型[J]. 钟谭卫.  华南农业大学学报. 2004(02)
[9]高速公路交通事故分析及预防对策研究[J]. 秦利燕,邵春福,贾洪飞.  中国安全科学学报. 2003(06)

硕士论文
[1]基于决策树的分类算法研究[D]. 胡江洪.武汉理工大学 2006



本文编号：3447750