交通路標的識別不僅是無人駕駛中的關鍵技術,也是高級車載系統(tǒng)的輔助工具。傳統(tǒng)的交通路標識別方法雖然也可以進行檢測,但準確率難以進一步提升,而深度學習方法具有很強的特征表征能力,將其應用于交通路標的檢測識別能夠有效地幫助駕駛員(或無人車)完成正確的操作,從而減少或避免交通事故的發(fā)生。針對交通路標檢測中存在的難點問題,本文通過對SSD模型進行改進,實現(xiàn)了對于小的交通路標進行檢測識別和精準定位。相關的工作和創(chuàng)新點如下:(1)針對SSD模型在小目標的檢測存在漏檢和檢測精度不高的問題,提出了一種Dalation_DenseNet_SSD模型。該模型能夠改善網(wǎng)絡的特征提取能力,減少了因池化操作造成的信息丟失,有效地提高了對于小目標的檢測性能。在CTSD數(shù)據(jù)集上進行了實驗驗證,實驗結果表明改進的Dalation_DenseNet_SSD模型其mAP相比Dalation_VGG_SSD和SSD模型分別增加了3.9%和6.4%,損失分別下降了0.5和1.8,同時召回率達到92.6%,精準...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖1-1全國機動車增長數(shù)據(jù)圖

芯勘塵昂鴕庖?隨著社會經(jīng)濟的發(fā)展，人們的生活水平也隨之提升，汽車已成為人們一種普遍的交通工具。當人們享受汽車帶來便利的同時，隨之也出現(xiàn)了很多社會問題。如環(huán)境污染、交通堵塞、人為操作不當造成的交通事故等問題[1]。而交通事故是首要的也是最嚴重的問題，交通事故不僅對社會造成一定的經(jīng)濟....

圖2-1神經(jīng)元

在手寫數(shù)字識別上還占據(jù)著領先地位。CNN在圖像識別方面具有一定的優(yōu)越性，因其具有三個特點：局部感知域、權值共享和多卷積核。（1）局部感知域局部感知域也稱稀疏連接。人們對于事物的認知都是通過局部到全部的一個過程，對于圖像的識別也是根據(jù)這一特征，即圖像的某一特征在局部區(qū)域是相對比較密....

圖2-2LeNet5結構示意圖

曇觳饈侗鷸�，CNN是其主要的組成部分，CNN對輸入的圖像進行特征提齲輸入的圖像可以是單通道的黑白圖像也可以是彩色的三通道圖像。CNN一般包括卷積層（ConvolutionalLayer）、池化層（PoolingLayer）、Dropout層、激活函數(shù)、全連接層（Fully-con....

圖2-3valid模式卷積操作

第二章基礎理論與技術9如果輸入的圖像的大小為w×h，卷積核的大小為k×k，輸出的圖像大小為""wh，步長為s，則輸出和輸入的關系如式（2-2）和式（2-3）。"1wkws（2-2）"1hkhs（2-3）式（2-2）和式（2-3）是未經(jīng)過填充得到的特征圖大小，也就是valid模式，....

本文編號：3995478