無人駕駛技術(shù)中需要通過攝像頭獲取周圍的環(huán)境,而機(jī)器視覺就是使用視覺產(chǎn)品感知周邊環(huán)境的手段。機(jī)器視覺將攝取的目標(biāo)轉(zhuǎn)換為圖片信號(hào),傳送給處理器進(jìn)行圖像處理,從而得到目標(biāo)的具體信息。在機(jī)器視覺中,目標(biāo)檢測是一類基礎(chǔ)算法,其目標(biāo)是從圖像信息中獲取物體的位置與分類信息。在實(shí)際目標(biāo)檢測過程中,無人駕駛中車輛控制必須反應(yīng)迅速、正確,而且行駛中的車輛是移動(dòng)平臺(tái),這兩個(gè)事實(shí)分別對(duì)圖像處理提出了快速準(zhǔn)確以及用于處理的機(jī)器低功耗的要求。時(shí)至今日,目標(biāo)檢測的傳統(tǒng)機(jī)器學(xué)習(xí)算法已經(jīng)逐漸被神經(jīng)網(wǎng)絡(luò)算法替代,SSDResNet目標(biāo)檢測網(wǎng)絡(luò)作為時(shí)下頂尖的目標(biāo)檢測算法之一,在運(yùn)行速度和準(zhǔn)確度上都有良好的表現(xiàn),本文將分析該網(wǎng)路,并考慮如何將其進(jìn)行改進(jìn)以適配低功耗運(yùn)算器件。而在低功耗運(yùn)算機(jī)器中移植神經(jīng)網(wǎng)絡(luò)時(shí),受到存儲(chǔ)、運(yùn)算性能等限制,必須對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行壓縮,同時(shí)兼顧網(wǎng)絡(luò)性能。為了解決壓縮SSD-ResNet網(wǎng)絡(luò)并兼顧其性能的需求,本文進(jìn)行了以下研究:首先對(duì)目標(biāo)檢測神經(jīng)網(wǎng)絡(luò)進(jìn)行了對(duì)比、分析。獲得SSD算法的主要思想與主體網(wǎng)絡(luò)替換方法。結(jié)合ResNet網(wǎng)絡(luò)的結(jié)構(gòu),組合出SSD-ResNet網(wǎng)絡(luò)。通過運(yùn)算量統(tǒng)計(jì),確定壓縮SSD-Re...

【文章頁數(shù)】：83 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.6聚類

=[01132345]，row_ptr=[02478]。A向量順序存儲(chǔ)所有的非零元素，長度儲(chǔ)非零元素的列索引，長度為非零元素的個(gè)例如，第三個(gè)非零元素30的索引是(存儲(chǔ)每行第一個(gè)元素在A的索引，長度為矩為非零元素的個(gè)....

圖6.1KITTI數(shù)據(jù)展示

西安電子科技大學(xué)碩士學(xué)位論文從各種類精度來該模型看車輛類的目標(biāo)識(shí)別率高一些，對(duì)坐著的人和騎車者的識(shí)別率較低，識(shí)別精度最低的為行人。本文分析造成這種結(jié)果的主要原因有以下幾點(diǎn)：（1）樣本本身的識(shí)別難度如圖6.1所示。行人的走路姿態(tài)與行動(dòng)無章可循，而相較而言，騎行和坐下的人包含了椅....

圖6.2數(shù)據(jù)統(tǒng)計(jì)結(jié)果（2）

第六章實(shí)驗(yàn)與結(jié)果分析()=∑2=∑22（6-2）可以看到最終結(jié)果與卷積層的計(jì)算類似，可以將BN層與卷積層融合成一個(gè)卷積層。其中卷積的權(quán)值為∑....

圖6.4部分量化網(wǎng)絡(luò)精度表6.3部分量化網(wǎng)絡(luò)精度（1）

圖6.3網(wǎng)絡(luò)層數(shù)據(jù)統(tǒng)計(jì)可以看到，在表格中權(quán)值的最大值與前面統(tǒng)計(jì)的最大值不一致，conv2₁₂的權(quán)值最大值為0.5588比6.2.2小節(jié)中統(tǒng)計(jì)的0.0485大了多于10倍。這是因?yàn)樵?.2.2小節(jié)中統(tǒng)計(jì)時(shí)僅統(tǒng)計(jì)了....

本文編號(hào)：4021202