隨著經(jīng)濟(jì)和科學(xué)技術(shù)的發(fā)展,汽車保有量快速增加,帶來了更多的駕駛問題和交通安全問題。與汽車和汽車駕駛員相比,小型交通工具乘用者比如騎二輪車人在道路上受到的保護(hù)依然有限,容易受到傷害。在中國農(nóng)村和小城鎮(zhèn)的居民也大多采用摩托車、自行車、電瓶車等二輪車出行,以及近幾年大城市共享單車的普遍施行,二輪車對交通安全存在很大的影響,因此對二輪車進(jìn)行檢測有著十分重要的意義,而現(xiàn)存的二輪車檢測算法采用傳統(tǒng)的目標(biāo)檢測算法,并未實現(xiàn)精確檢測,速度也達(dá)不到實時性的要求。本文提出一種基于深度學(xué)習(xí)的車輛前方二輪車檢測方法,主要工作如下:(1)從目標(biāo)檢測技術(shù)、二輪車檢測以及數(shù)據(jù)集三個方面分析了目標(biāo)檢測的相關(guān)國內(nèi)外研究現(xiàn)狀,總結(jié)出二輪車目標(biāo)檢測的三個主要技術(shù)難點,確立了主要研究內(nèi)容和總體思路,并構(gòu)建技術(shù)路線圖。(2)闡述了深度學(xué)習(xí)的概念和卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)結(jié)構(gòu),對基于深度學(xué)習(xí)的two-stage檢測算法中的主流算法RCNN、SPP-Net、Fast RCNN、Faster RCNN和one-stage檢測算法中的主流算法YOLOv1/v2/v3、SSD算法進(jìn)行逐個分析和對比,根據(jù)算法特點初步選擇Faster RCNN和...

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

圖2.8Anchors示意圖

圖2.11YOLOv1基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2.14Darknet-19網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2.16SSD網(wǎng)絡(luò)結(jié)構(gòu)圖

本文編號：3885385