發(fā)布時間：2024-03-16 06:34

　　車載視頻中的行人檢測技術(shù)是無人駕駛的重要組成部分,在檢測精度和速度方面都有著較高的要求。由于行人在視頻或者圖像中的尺度問題以及復(fù)雜的背景環(huán)境問題,使得檢測器的性能會受到很大的影響。本文在現(xiàn)有SSD算法的基礎(chǔ)進行改進,以提高檢測系統(tǒng)的性能。主要的研究工作包括:一、在 SSD 算法的基礎(chǔ)上構(gòu)建 AMSSD(Advanced MobileNet SSD,AMSSD)行人檢測網(wǎng)絡(luò)模型。首先在SSD算法中使用MobileNet網(wǎng)絡(luò)減少計算量,從而提高檢測的速度;然后再抽取合適的網(wǎng)絡(luò)層構(gòu)成分支檢測網(wǎng)絡(luò),并針對行人尺度多變的情況,融合不同網(wǎng)絡(luò)層的特征圖進行檢測。本文使用VOC和COCO數(shù)據(jù)集作為訓(xùn)練集,對Cityscapes數(shù)據(jù)集進行測試,實驗結(jié)果表明AMSSD算法能夠在保持精度的前提下提高檢測速度,可達到實時的效果。二、在AMSSD行人檢測網(wǎng)絡(luò)模型的基礎(chǔ)上添加Focal Loss損失函數(shù),構(gòu)建FAMSSD(Focal Loss and Advanced MobileNet SSD,FAMSSD)行人檢測網(wǎng)絡(luò)模型。該模型可平衡算法中正負樣本和簡單困難樣本的數(shù)量,以得到更好的行人檢測性能。實驗結(jié)果表明...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．?１?ＳＳＤ默認框??

適??用于尺度較大的目標的檢測，例如狗。而８Ｘ８的特征圖更適合于尺度較小的目標的檢??測，例如貓。這些ｄｅｆａｕｌｔ?ｂｏｘ主要用于確定目標的位置和類別，在訓(xùn)練中真實框會與??ｄｅｆａｕｌｔ?ｂｏｘ相匹配，當ｄｅｆａｕｌｔ?ｂｏｘ與真實框能夠匹配上，則為正樣本，否則就是負樣本，?....

圖２．?２?ＳＳＤ網(wǎng)絡(luò)??Ｆｉｇ．?２．２?ＳＳＤ?ｎｅｔｗｏｒｋ??

?大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文???（１；〇１１￥４－３、￡〇１１￥１０－２、（＾〇１１￥１１－２米用的是每個單兀生成４個（＾￡＆１１１１；１）〇＼，而（１；〇１１￥７、（２〇１１＼／８－??２、Ｃｏｎｖ９－２則是釆用每個單元生成６個ｄｅｆａｕｌｔ?ｂｏｘ，根據(jù)上面的預(yù)測值計....

圖２．?３檢測網(wǎng)絡(luò)層處理過程??Ｆｉｇ．?２．３?Ｄｅｔｅｃｔｉｏｎ?ｏｆ?ｎｅｔｗｏｒｋ?ｌａｙｅｒ?ｐｒｏｃｅｓｓ??

ｍｂ〇ｘ＿ｌ〇ｃ?Ｃｏｎｖ４＿３＿ｍ?ｂｏｘ＿ｃｏｎｆ?Ｃｏｎｖ４＿３＿ｍｂｏｘ＿ｐｒｉｏｒｂｏｘ??ｉ?Ｃｏｎｖ４＿３＿ｍｂｏｘＪｏｃ＿ｐｅｒｍ?丨?ｉ?Ｃｏｎｖ４？３．．．ｍｂｏｘ．．．．ｃｏｎｆ＿ｐｅｒｍ?姜??ｆ?Ｃｏｎｖ４＿３＿ｍｂｏｘ＿ｌｏｃ＿ｆｌａｔ?；?Ｉ?Ｃｏｎ....

圖２．４普通卷積過程和ＭｏｂｉｌｅＮｅｔ卷積過程??

在卷積后面就??是一系列的深度卷積和點卷積過程，而且會對部分深度卷積過程采取步長為２的下采樣??操作。然后ａｖｇ?ｐｏｏｌ將特征圖變?yōu)椋?Ｘ?１大小，在全連接層后就是ｓｏｆｔｍａｘ分類器。??普通卷積過程和ＭｏｂｉｌｅＮｅｔ卷積過程對比圖如２．４所示：??Ｉ?３ｘ３?Ｃｏｎｖ?｜....

本文編號：3929259