基于深度学习的汽车前脸几何特征精确提取

发布时间：2023-03-11 08:23

　　汽车前脸,是汽车品牌家族化的最核心部分之一。设计师通过其传达设计理念,也是消费者对汽车的第一直观感受。同时,多元化和个性化的迫切需求使得前脸造型复杂多变。设计师通过专业软件来进行汽车造型设计,操作复杂繁琐,因此高效而准确地提取汽车前脸几何特征是优化汽车设计流程的关键。此外,汽车图像的精确几何特征提取及标注可广泛应用于汽车型号细粒度分类、汽车部件提取及状态检测等场景。为此,本文提出了基于深度学习的汽车前脸多类几何特征自动提取方法,不仅可提升设计阶段效率,同时对自动驾驶及智慧交通等领域具有重要意义。本文做了如下研究工作:·创建了统一的汽车前脸标注数据集Auto Morpher/FFD-Cars22,适用于汽车前脸的部件检测、语义分割、特征点定位等问题。本数据集收集了4457张汽车正视图,并经过了适当的处理,涵盖中国市场常见的22个销售品牌。·提出了面向汽车前脸部件检测和语义分割方法。本文使用Refine Det检测方法对汽车前脸进行部件检测,因其使用了两阶段的检测思想和特征融合的操作,在不发生漏检和重复检测的情况下,精度远远超过YOLO和SSD。进一步地,采用Deep Lab算法进行汽车前...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 相关工作
        1.2.1 目标检测
        1.2.2 语义分割
        1.2.3 特征点定位
    1.3 主要工作
    1.4 本章小结
2 汽车前脸数据库
    2.1 前脸几何特征概述
    2.2 数据库图片选取
    2.3 检测框及语义分割标注
    2.4 特征点标注
        2.4.1 汽车前脸造型结构分类
        2.4.2 汽车前脸特征点定义
    2.5 本章小结
3 基于部件检测和语义分割的特征提取
    3.1 部件检测算法概述
        3.1.1 YOLOV2 概述
        3.1.2 SSD概述
        3.1.3 RefineDet概述
    3.2 部件检测结果分析
        3.2.1 评价指标
        3.2.2 可视化结果与分析
    3.3 语义分割算法
        3.3.1 FCN算法概述
        3.3.2 DeepLabV3 算法概述
        3.3.3 Mask-RCNN算法概述
    3.4 语义分割结果分析
        3.4.1 评价指标
        3.4.2 可视化结果与分析
    3.5 本章小结
4 基于特征点定位的特征提取
    4.1 特征点定位算法概述
        4.1.1 基于级联的人脸对齐算法概述
        4.1.2 MobileNetV2 算法概述
        4.1.3 DenseNet概述
    4.2 DAN-PLUS算法概述
    4.3 特征点定位结果分析
        4.3.1 关键点评估
        4.3.2 可视化结果与分析
    4.4 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



本文编号：3759531