实时目标检测方法及其在交通中的应用研究

发布时间：2024-05-18 06:53

　　道路目标检测技术是智能交通中的关键性技术,其目的是根据道路监控图像检测相应的道路目标,而道路场景背景多样、目标繁杂。现今主要是通过大型服务器计算完成目标检测,但一套目标检测服务器价格昂贵。本文设计一种实时道路目标检测嵌入式平台,针对小的应用场景能够实现对于自行车、大巴、轿车、摩托车、行人的实时检测。本文的主要研究内容如下:(1)提出一种适用于嵌入式设备的轻量化深度学习网络。基于现有的YOLOv3算法存在的检测速度过慢和模型过大的问题,优化YOLOv3中的backbone网络以及不同空间分辨率特征融合模型,设计了实时目标检测MobileNetv1_yolov3lite_c2网络。该网络的运算速度相对于YOLOv3提升了3.64倍,模型检测精度相对于YOLOv3降低了10%左右。(2)对网络的检测精度的优化。基于LRM(loss rank mining)和label_smoothing的方法针对MobileNetv1_yolov3lite_c2网络算法的损失函数进行优化改进,引入mixup数...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 目标检测算法
        1.2.2 交通场景中的目标检测
    1.3 论文研究主要内容及章节安排
第2 章深度学习与YOLO检测算法相关理论
    2.1 深度卷积神经网络
        2.1.1 神经网络
        2.1.2 卷积神经网络
    2.2 YOLO目标检测算法
    2.3 本章小结
第3章 道路目标检测算法设计与优化
    3.1 目标检测算法优化方向
    3.2 网络运算速度提升
        3.2.1 针对基础网络的优化
        3.2.2 针对不同空间分辨率特征图之间融合方法的优化改进
    3.3 网络检测精度的优化
        3.3.1 针对YOLOv3 基础损失函数的优化
        3.3.2 训练方法优化改进
    3.4 本章小结
第4章 道路目标检测算法的实现与分析
    4.1 算法评价标准与训练数据集
        4.1.1 目标检测算法的评价标准
        4.1.2 训练数据集
    4.2 算法的实现与训练
        4.2.1 实验环境
        4.2.2 深度学习框架选取与搭建
        4.2.3 检测算法的实现与训练
    4.3 检测结果对比分析
        4.3.1 网络检测速度优化效果对比分析
        4.3.2 网络检测精度优化效果对比分析
    4.4 本章小结
第5章 检测算法的嵌入式实现与测试
    5.1 软硬件平台
        5.1.1 硬件平台
        5.1.2 软件平台
    5.2 目标检测算法的嵌入式实现
        5.2.1 软件框架设计
        5.2.2 软件实现
    5.3 嵌入式实现与结果分析
        5.3.1 仿真实验以及检测效果对比
        5.3.2 检测结果写入数据库
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间的研究成果



本文编号：3976606