面向自動駕駛場景的交通標(biāo)志檢測技術(shù)研究
【文章頁數(shù)】:46 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖1-2自動駕駛程度等級??
碑士學(xué)位論文??MASTER'S?THESIS??工標(biāo)注的數(shù)據(jù)集極為有利;其次,深度學(xué)習(xí)算法允許在GPUs上并行處理圖像,??夯實(shí)了模型學(xué)習(xí)的效率,增強(qiáng)了網(wǎng)絡(luò)的預(yù)測能力。??傳麵學(xué)習(xí)|輸入M人工特??>?|權(quán)重??1專』機(jī)益丨一、?|征提取?|學(xué)習(xí)?|結(jié)果??深度學(xué)習(xí)?輸入一^基....
圖2-3圖像定位與H標(biāo)檢測??PSCAL?VOCuyThe?PASCAL?Visual?Obect??
碩士學(xué)位論文??MASTER'S?THESIS??由控制系統(tǒng)做出相應(yīng)的響應(yīng)。在實(shí)際應(yīng)用系統(tǒng)中,對于場景中出現(xiàn)的不同類型的??物體,模型首先通過定義邊界框?qū)⑦@些目標(biāo)物體在圖片中所處的位置標(biāo)記出來,??再對其所屬類別進(jìn)行判定。??CAT?CA。?CX3G.??圖2-3圖像定位與H標(biāo)....
圖3-4合并池化方法??為了對最大池化層的效果欠佳之處進(jìn)行補(bǔ)足,在合并池化方法里面添加了平??-
論文??MASTER'S?THESIS??最大?^最大?平均??池化?池化?池化??連接??層??圖3-4合并池化方法??為了對最大池化層的效果欠佳之處進(jìn)行補(bǔ)足,在合并池化方法里面添加了平??均池化層。從圖3-4中可以看到合并池化方法包含兩步。第一步分別使用最大池??化層和平均池....
圖4-2兩種方法在不同IoU下的召回率??由圖4-2可知,圖(a)是候選框數(shù)量為200時兩種算法的召回率對比,圖??(b)是候選框數(shù)量為1000時兩種算法的召回率對比
(I倉)卜士學(xué)??MASTER?S?THESIS??不同的是,本文網(wǎng)絡(luò)將IoLL剛S設(shè)置為0.75,而且在NMS方法之后,僅保留200??個得分排名靠前的區(qū)域候選框用于目標(biāo)檢測。圖4-2展示了區(qū)域候選框分別為??200和1000時,在不同的IoU_NMS下兩種方法的召回率對比,以....
本文編號:4003024
本文鏈接:http://www.wukwdryxk.cn/kejilunwen/zidonghuakongzhilunwen/4003024.html