基于深度學(xué)習(xí)的交通標(biāo)志檢測(cè)與識(shí)別研究
發(fā)布時(shí)間:2024-12-22 04:49
隨著人工智能技術(shù)的廣泛應(yīng)用,汽車行業(yè)的研究開發(fā)重點(diǎn)也逐漸轉(zhuǎn)向具有智能交通系統(tǒng)(Intelligent Transportation System,ITS)的無人駕駛汽車和輔助駕駛汽車。而交通標(biāo)志識(shí)別系統(tǒng)(Tranffic Sign Recognition,TSR)作為ITS中不可或缺的一環(huán),其重要程度不言而喻。在實(shí)際道路中,交通標(biāo)志被車載攝像頭捕捉到的圖片或視頻往往是以小目標(biāo)的形式出現(xiàn)的,這時(shí)TSR的交通標(biāo)志識(shí)別精度和檢測(cè)速度還有一定的提升空間。本文在現(xiàn)有研究的基礎(chǔ)上,做了以下工作:
(1)基于YOLOv8n模型進(jìn)行針對(duì)交通標(biāo)志小目標(biāo)的改進(jìn)。針對(duì)交通標(biāo)志小目標(biāo)在YOLOv8n模型上的識(shí)別準(zhǔn)確率會(huì)受到影響的問題,本文提出了一種基于交通標(biāo)志小目標(biāo)的檢測(cè)與識(shí)別方法FLA-YOLOv8n(Traffic Sign Detection And Recognition YOLOv8n),在YOLOv8n模型的頸部引入聚焦線性注意力機(jī)制、檢測(cè)頭部分增加160x160尺度的小目標(biāo)檢測(cè)層,并引入WIo U損失函數(shù),改進(jìn)后的模型針對(duì)小目標(biāo)交通標(biāo)志的檢測(cè)和識(shí)別,準(zhǔn)確率和精度都得到一定提升。同時(shí)本文為了得到規(guī)模...
【文章頁數(shù)】:63 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 傳統(tǒng)交通標(biāo)志檢測(cè)與識(shí)別方法
1.2.2 基于深度學(xué)習(xí)的交通標(biāo)志檢測(cè)與識(shí)別方法
1.3 本文主要研究內(nèi)容
1.4 本文組織結(jié)構(gòu)
1.5 本章小結(jié)
第2章 交通標(biāo)志檢測(cè)與識(shí)別理論基礎(chǔ)
2.1 人工神經(jīng)網(wǎng)絡(luò)
2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.1 卷積層
2.2.2 池化層
2.2.3 全連接層
2.3 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法
2.3.1 兩階段目標(biāo)檢測(cè)算法
2.3.2 單階段目標(biāo)檢測(cè)算法
2.4 交通標(biāo)志數(shù)據(jù)集
2.5 交通標(biāo)志檢測(cè)與識(shí)別評(píng)價(jià)指標(biāo)
2.6 本章小結(jié)
第3章 基于注意力機(jī)制的交通標(biāo)志小目標(biāo)的檢測(cè)識(shí)別方法
3.1 YOLOv8n 模型
3.2 網(wǎng)絡(luò)模型與算法流程
3.2.1 聚焦線性注意力機(jī)制
3.2.2 小目標(biāo)檢測(cè)層
3.2.3 WIoU損失函數(shù)
3.3 實(shí)驗(yàn)
3.3.1 數(shù)據(jù)集的處理
3.3.2 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置
3.3.3 實(shí)驗(yàn)設(shè)計(jì)與分析
3.3.4 實(shí)驗(yàn)結(jié)果與分析
3.4 本章小結(jié)
第4章 輕量化 FLA-YOLOv8n 交通標(biāo)志檢測(cè)與識(shí)別方法
4.1 輕量化模塊設(shè)計(jì)
4.1.1 輕量化模塊
4.1.2 C2fRep Ghost 模塊
4.2 網(wǎng)絡(luò)模型與算法流程
4.3 實(shí)驗(yàn)
4.3.1 實(shí)驗(yàn)環(huán)境和數(shù)據(jù)集
4.3.2 實(shí)驗(yàn)設(shè)計(jì)與分析
4.3.3 實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
第5章 結(jié)論與展望
5.1 結(jié)論
5.2 展望
參考文獻(xiàn)
本文編號(hào):4019460
【文章頁數(shù)】:63 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 傳統(tǒng)交通標(biāo)志檢測(cè)與識(shí)別方法
1.2.2 基于深度學(xué)習(xí)的交通標(biāo)志檢測(cè)與識(shí)別方法
1.3 本文主要研究內(nèi)容
1.4 本文組織結(jié)構(gòu)
1.5 本章小結(jié)
第2章 交通標(biāo)志檢測(cè)與識(shí)別理論基礎(chǔ)
2.1 人工神經(jīng)網(wǎng)絡(luò)
2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.1 卷積層
2.2.2 池化層
2.2.3 全連接層
2.3 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法
2.3.1 兩階段目標(biāo)檢測(cè)算法
2.3.2 單階段目標(biāo)檢測(cè)算法
2.4 交通標(biāo)志數(shù)據(jù)集
2.5 交通標(biāo)志檢測(cè)與識(shí)別評(píng)價(jià)指標(biāo)
2.6 本章小結(jié)
第3章 基于注意力機(jī)制的交通標(biāo)志小目標(biāo)的檢測(cè)識(shí)別方法
3.1 YOLOv8n 模型
3.2 網(wǎng)絡(luò)模型與算法流程
3.2.1 聚焦線性注意力機(jī)制
3.2.2 小目標(biāo)檢測(cè)層
3.2.3 WIoU損失函數(shù)
3.3 實(shí)驗(yàn)
3.3.1 數(shù)據(jù)集的處理
3.3.2 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置
3.3.3 實(shí)驗(yàn)設(shè)計(jì)與分析
3.3.4 實(shí)驗(yàn)結(jié)果與分析
3.4 本章小結(jié)
第4章 輕量化 FLA-YOLOv8n 交通標(biāo)志檢測(cè)與識(shí)別方法
4.1 輕量化模塊設(shè)計(jì)
4.1.1 輕量化模塊
4.1.2 C2fRep Ghost 模塊
4.2 網(wǎng)絡(luò)模型與算法流程
4.3 實(shí)驗(yàn)
4.3.1 實(shí)驗(yàn)環(huán)境和數(shù)據(jù)集
4.3.2 實(shí)驗(yàn)設(shè)計(jì)與分析
4.3.3 實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
第5章 結(jié)論與展望
5.1 結(jié)論
5.2 展望
參考文獻(xiàn)
本文編號(hào):4019460
本文鏈接:http://www.wukwdryxk.cn/shoufeilunwen/xixikjs/4019460.html
最近更新
教材專著