基于区域生成网络的自动驾驶系统行人检测算法实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 研究目标及内容 | 第15-16页 |
| 1.3.1 研究目标 | 第15-16页 |
| 1.3.2 研究内容 | 第16页 |
| 1.4 课题的总体框架设计 | 第16-17页 |
| 1.5 本文结构安排 | 第17-18页 |
| 第2章 实验数据集提取和预训练模型 | 第18-27页 |
| 2.1 实验数据集提取和算法科学性分析 | 第18-21页 |
| 2.1.1 实验数据集选择和提取 | 第18-20页 |
| 2.1.2 算法科学性分析 | 第20-21页 |
| 2.2 预训练模型的关键技术探究 | 第21-24页 |
| 2.2.1 激活函数 | 第21-22页 |
| 2.2.2 等效感受野 | 第22-23页 |
| 2.2.3 池化操作 | 第23-24页 |
| 2.3 预训练模型 | 第24-26页 |
| 2.3.1 VGG-16模型 | 第24-25页 |
| 2.3.2 ZF模型 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 算法框架构建 | 第27-34页 |
| 3.1 FasterRCNN模型 | 第27-29页 |
| 3.1.1 RPN设计 | 第27-28页 |
| 3.1.2 损失函数 | 第28-29页 |
| 3.2 本文算法模型及关键技术 | 第29-33页 |
| 3.2.1 包围框回归 | 第30-31页 |
| 3.2.2 锚点包围框的产生 | 第31页 |
| 3.2.3 全连接层替换 | 第31-32页 |
| 3.2.4 NMS | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 行人检测模型训练和检测 | 第34-42页 |
| 4.1 实验环境 | 第34页 |
| 4.2 行人检测模型训练 | 第34-35页 |
| 4.3 行人检测模型检测 | 第35-37页 |
| 4.4 行人检测模型可视化分析 | 第37-41页 |
| 4.4.1 行人检测模型权重可视化分析 | 第37-38页 |
| 4.4.2 行人检测模型提取特征可视化分析 | 第38-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 实验结果与分析 | 第42-55页 |
| 5.1 评价指标及曲线 | 第42-44页 |
| 5.1.1 评价指标 | 第42-43页 |
| 5.1.2 评价曲线 | 第43-44页 |
| 5.2 Ped-VGG16算法实验结果及分析 | 第44-47页 |
| 5.3 Ped-ZF算法实验结果及分析 | 第47-50页 |
| 5.4 算法效果分析与评估 | 第50-54页 |
| 5.4.1 后处理NMS算法对检测结果的影响 | 第50-51页 |
| 5.4.2 算法可迁移性测试 | 第51-52页 |
| 5.4.3 主流算法之间的对比 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第64页 |
