基于深度信息的交通場景理解方法研究
發(fā)布時(shí)間:2024-07-05 02:06
近年來,針對復(fù)雜多變的道路行駛環(huán)境,國內(nèi)外各大研究機(jī)構(gòu)相繼推出多種環(huán)境感知算法,尤其是將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于環(huán)境感知任務(wù)中,是該領(lǐng)域的一大突破。但是,交通場景的復(fù)雜性和多變性特點(diǎn)使得視覺感知任務(wù)十分困難,準(zhǔn)確度以及實(shí)時(shí)性方面尚未達(dá)到實(shí)車要求,如何兼顧二者也是一直以來被廣泛關(guān)注的重點(diǎn),所以目前仍然需要進(jìn)一步探索有效的方法提高網(wǎng)絡(luò)性能。本文以卷積神經(jīng)網(wǎng)絡(luò)為核心,探究一種基于深度信息的網(wǎng)絡(luò)結(jié)構(gòu),以實(shí)現(xiàn)車輛對道路交通環(huán)境的感知理解。主要圍繞以下幾個(gè)方面展開:首先,本文提出一種基于編碼器-解碼器結(jié)構(gòu)的網(wǎng)絡(luò)模型,在保證網(wǎng)絡(luò)精確度的前提下,大大提高實(shí)時(shí)性。并在此基礎(chǔ)上,將彩色圖與深度信息融合輸入網(wǎng)絡(luò),對比首端通道融合以及逐層特征融合兩種方式對于語義分割結(jié)果的影響。實(shí)驗(yàn)結(jié)果表明,逐層特征融合方式所得的精度更高。然后,針對基于編碼-解碼結(jié)構(gòu)存在的分割結(jié)果粗糙的問題,在分析上下文信息提取方法基礎(chǔ)上,提出一種改進(jìn)的空間金字塔池化模塊。該模塊可以充分提取不同尺度的密集圖像特征,改善網(wǎng)絡(luò)性能。同時(shí),繼續(xù)探索彩色圖與深度信息融合方法,提出非對稱的并行雙分支網(wǎng)絡(luò)結(jié)構(gòu),分別提取彩色圖和視差圖信息,并在網(wǎng)絡(luò)末端對其進(jìn)行信...
【文章頁數(shù)】:62 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 圖像分割研究現(xiàn)狀
1.2.2 結(jié)合深度信息的圖像分割研究現(xiàn)狀
1.2.3 交通場景數(shù)據(jù)集
1.3 本文主要工作
2 卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
2.1 卷積神經(jīng)網(wǎng)絡(luò)概述
2.1.1 卷積神經(jīng)網(wǎng)絡(luò)基本組成
2.1.2 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
2.2 典型卷積神經(jīng)網(wǎng)絡(luò)模型
2.3 卷積神經(jīng)網(wǎng)絡(luò)模型對比
2.4 網(wǎng)絡(luò)性能的優(yōu)化
2.5 本章小結(jié)
3 基于編碼-解碼結(jié)構(gòu)的語義分割方法研究
3.1 編碼-解碼結(jié)構(gòu)網(wǎng)絡(luò)設(shè)計(jì)
3.1.1 基本網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
3.1.2 用于深度特征融合的網(wǎng)絡(luò)結(jié)構(gòu)
3.2 樣本數(shù)據(jù)
3.2.1 數(shù)據(jù)集選取
3.2.2 深度特征數(shù)據(jù)獲取
3.3 網(wǎng)絡(luò)訓(xùn)練過程
3.4 網(wǎng)絡(luò)測試標(biāo)準(zhǔn)
3.5 實(shí)驗(yàn)結(jié)果及分析
3.6 網(wǎng)絡(luò)可視化分析
3.7 本章小結(jié)
4 基于金字塔池化的語義分割研究
4.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
4.1.1 上下文信息提取
4.1.2 主網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
4.1.3 融合深度信息分支的網(wǎng)絡(luò)結(jié)構(gòu)
4.2 網(wǎng)絡(luò)訓(xùn)練
4.3 實(shí)驗(yàn)及結(jié)果分析
4.3.1 主網(wǎng)絡(luò)結(jié)構(gòu)測試結(jié)果及分析
4.3.2 基于雙分支網(wǎng)絡(luò)的測試結(jié)果及分析
4.3.3 提高網(wǎng)絡(luò)實(shí)時(shí)性實(shí)驗(yàn)分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
本文編號(hào):4000868
【文章頁數(shù)】:62 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 圖像分割研究現(xiàn)狀
1.2.2 結(jié)合深度信息的圖像分割研究現(xiàn)狀
1.2.3 交通場景數(shù)據(jù)集
1.3 本文主要工作
2 卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
2.1 卷積神經(jīng)網(wǎng)絡(luò)概述
2.1.1 卷積神經(jīng)網(wǎng)絡(luò)基本組成
2.1.2 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
2.2 典型卷積神經(jīng)網(wǎng)絡(luò)模型
2.3 卷積神經(jīng)網(wǎng)絡(luò)模型對比
2.4 網(wǎng)絡(luò)性能的優(yōu)化
2.5 本章小結(jié)
3 基于編碼-解碼結(jié)構(gòu)的語義分割方法研究
3.1 編碼-解碼結(jié)構(gòu)網(wǎng)絡(luò)設(shè)計(jì)
3.1.1 基本網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
3.1.2 用于深度特征融合的網(wǎng)絡(luò)結(jié)構(gòu)
3.2 樣本數(shù)據(jù)
3.2.1 數(shù)據(jù)集選取
3.2.2 深度特征數(shù)據(jù)獲取
3.3 網(wǎng)絡(luò)訓(xùn)練過程
3.4 網(wǎng)絡(luò)測試標(biāo)準(zhǔn)
3.5 實(shí)驗(yàn)結(jié)果及分析
3.6 網(wǎng)絡(luò)可視化分析
3.7 本章小結(jié)
4 基于金字塔池化的語義分割研究
4.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
4.1.1 上下文信息提取
4.1.2 主網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
4.1.3 融合深度信息分支的網(wǎng)絡(luò)結(jié)構(gòu)
4.2 網(wǎng)絡(luò)訓(xùn)練
4.3 實(shí)驗(yàn)及結(jié)果分析
4.3.1 主網(wǎng)絡(luò)結(jié)構(gòu)測試結(jié)果及分析
4.3.2 基于雙分支網(wǎng)絡(luò)的測試結(jié)果及分析
4.3.3 提高網(wǎng)絡(luò)實(shí)時(shí)性實(shí)驗(yàn)分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
本文編號(hào):4000868
本文鏈接:http://www.lk138.cn/kejilunwen/qiche/4000868.html
最近更新
教材專著