基于嵌入式GPU的交通灯及数字检测与识别研究

发布时间：2024-04-14 21:04

　　目标检测是一个具有挑战性的计算机视觉问题,具有广泛的应用前景。基于视觉对道路环境的感知是辅助驾驶系统重要的信息获取手段,而在众多的路面信息中,交通信号灯提供的路面通行信息尤为重要。它是车辆通行的指挥棒,道路畅通的关键。交通灯包含了重要而精确的信息,具有非常高的检测价值。本文将研究并实现一个基于嵌入式GPU的交通灯及数字检测系统。针对交通灯检测任务的特点,即准确率高和检测速度快,本文选择了深度学习回归法中的YOLOv3模型进行深入的研究。首先,对YOLOv3的特征提取网络做出改进。设计一个下采样块包括3×3和5×5的卷积核以及最大池化层,用于替换原有网络特征谱尺寸缩减的卷积层,以减少特征提取网络对特征的丢失。其次,在YOLOv3检测网络的基础上,添加了以4为步长的上采样,将深度特征与不同浅层特征融合,使得特征谱输出特征更全面,提高深度特征在多尺度检测网络中的复用并提高检测率。接着,本文引入轻量化网络MobileNet以降低改进后YOLOv3模型的参数量和计算量,从而提高推理速度。最后,通过K-means聚类选择锚框的数量和尺寸,从而提高检测精度和召回率。本文制作了包含数字灯、转向灯和交通...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图2-3全连接网络使用FCN的前后对比

第二章交通灯及数字检测算法与数据集的制作9的参数量和模型大小，同时也加快了模型的推理速度。全连接网络使用FCN的前后对比如图2-3所示。图2-3全连接网络使用FCN的前后对比由于FCN全部通过卷积层连接，因此可以接受任意尺寸的输入图像。而输出的特征谱与输入图像的尺寸保持一致，主要....

图2-4全卷积网络框图

第二章交通灯及数字检测算法与数据集的制作9的参数量和模型大小，同时也加快了模型的推理速度。全连接网络使用FCN的前后对比如图2-3所示。图2-3全连接网络使用FCN的前后对比由于FCN全部通过卷积层连接，因此可以接受任意尺寸的输入图像。而输出的特征谱与输入图像的尺寸保持一致，主要....

图2-7多尺度特征谱目标检测方法

电子科技大学硕士学位论文1211(,)LLiilLlLLillosslossxlossFxWxxxxx(2-4)由公式（2-4）可得，无论是哪层，更高层的梯度成分都可以直接传递过去。括号中的1表明可以无损的传播梯度，而另外一项残差梯度则需要经过带有weight的层。残差梯度不会总....

图2-8特征金字塔的具体实现

第二章交通灯及数字检测算法与数据集的制作13实时检测的要求。图2-7（b）传统分类网络的检测方法，通过顶层的特征谱输出特征，容易漏检小目标。图2-7（c）其实是对单特征谱输出的改进，在不同分辨率的特征谱上进行目标位置预测。卷积神经网络每层的输出的拥有不同的含义特征。浅层网络难以学....

本文编号：3955222