交通是社會生產和人類生活的重要組成部分,然而近年來隨著機動車保有量的上升,交通引發(fā)的安全問題、環(huán)境破壞和經濟損失日趨嚴重,人們開始使用智能交通系統(tǒng)(Intelligent Traffic System,ITS)解決問題。交通目標檢測是智能交通必備的基本功能,一個實時性好、檢測精度高的目標檢測平臺對于發(fā)展智能交通系統(tǒng)具有重要意義。傳統(tǒng)目標檢測方法由于檢測精度太低早已被基于深度學習(Deep Learning,DL)的目標檢測方法取代。然而,深度學習過高的計算復雜度極大地限制了檢測速度。邊緣計算(Edge Computing)致力于把計算任務和決策中心從云端轉移到網絡的邊緣,以實現(xiàn)對時延敏感的應用場景的快速響應。本文提出了一種基于邊緣計算的交通目標檢測架構,結合深度學習檢測算法Mask R-CNN,用于架構中的目標檢測。文章首先對深度學習的理論知識和目標檢測的工作原理進行介紹,然后對所提出架構中終端、邊緣和云三個模塊各自的任務進行設計:終端負責采集和壓縮數(shù)據,邊緣服務器負責大部分目標檢測任務,云服務器負責一部分困難目標檢測任務和所有目標檢測模型的訓練。同時對架構中云和邊緣之間任務分配的置信...

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

圖2-1簡單感知機

哈爾濱工業(yè)大學工程碩士學位論文-12-第2章深度神經網絡基礎理論2.1引言所謂人工智能，就是讓計算機具備自主獲取知識的本領，這種本領被稱為機器學習。深度神經網絡是當下最強的機器學習算法，優(yōu)秀之處在于它自動挖掘復雜特征的能力。術語“神經網絡”來源于最早神經科學家嘗試尋找生物信息系統(tǒng)....

圖2-2多層感知機

哈爾濱工業(yè)大學工程碩士學位論文-13-2.2.2多層感知機單個感知機只能擬合輸入的線性函數(shù)，無法對異或這樣的非線性問題做擬合，但若是輸入層和輸出層之間存在中間層或者說隱藏層，則局限性消失。在1989年就已經證明[42]，具有一個隱藏層（隱藏單元個數(shù)可以任意）的多層感知機可以學習任....

圖2-3Sigmoid函數(shù)

哈爾濱工業(yè)大學工程碩士學位論文-14-Sigmoid函數(shù)是一個在生命科學領域很常見的函數(shù)曲線，由于其單調遞增可作為判別函數(shù)的性質。sigmoid函數(shù)是早期的神經網絡算法的主要激活函數(shù)，經典機器學習算法邏輯斯蒂回歸也將其作用在最后輸出的映射。其表達式如下所示：()=11+(24)其....

圖2-4Tanh函數(shù)

哈爾濱工業(yè)大學工程碩士學位論文-14-Sigmoid函數(shù)是一個在生命科學領域很常見的函數(shù)曲線，由于其單調遞增可作為判別函數(shù)的性質。sigmoid函數(shù)是早期的神經網絡算法的主要激活函數(shù)，經典機器學習算法邏輯斯蒂回歸也將其作用在最后輸出的映射。其表達式如下所示：()=11+(24)其....

本文編號：3933469