基于深度学习的车辆前方二轮车检测研究

发布时间：2024-01-25 19:00

　　随着经济和科学技术的发展,汽车保有量快速增加,带来了更多的驾驶问题和交通安全问题。与汽车和汽车驾驶员相比,小型交通工具乘用者比如骑二轮车人在道路上受到的保护依然有限,容易受到伤害。在中国农村和小城镇的居民也大多采用摩托车、自行车、电瓶车等二轮车出行,以及近几年大城市共享单车的普遍施行,二轮车对交通安全存在很大的影响,因此对二轮车进行检测有着十分重要的意义,而现存的二轮车检测算法采用传统的目标检测算法,并未实现精确检测,速度也达不到实时性的要求。本文提出一种基于深度学习的车辆前方二轮车检测方法,主要工作如下:(1)从目标检测技术、二轮车检测以及数据集三个方面分析了目标检测的相关国内外研究现状,总结出二轮车目标检测的三个主要技术难点,确立了主要研究内容和总体思路,并构建技术路线图。(2)阐述了深度学习的概念和卷积神经网络的基础结构,对基于深度学习的two-stage检测算法中的主流算法RCNN、SPP-Net、Fast RCNN、Faster RCNN和one-stage检测算法中的主流算法YOLOv1/v2/v3、SSD算法进行逐个分析和对比,根据算法特点初步选择Faster RCNN和...

【文章页数】：85 页

【学位级别】：硕士

图2.8Anchors示意图

图2.11YOLOv1基础网络结构图

图2.14Darknet-19网络结构图

图2.16SSD网络结构图

本文编号：3885385