【摘 要】
：
近年来,自动驾驶逐渐映入人们眼帘,而交通标志检测作为自动驾驶领域中必不可少的一部分,其主要的作用便是通过车载摄像头采集到车辆所处位置前方图像,对图像进行处理后,返回图像中所包含的交通标志信息,如:位置信息、类别信息。然后车载系统或驾驶员可根据获取的交通标志信息采取相应的应对策略。但是由于交通标志本身所处环境的复杂性,如光照、天气、褪色、镜头抖动等外界因素,导致交通标志检测的难度大大提升,而且主流的
论文部分内容阅读
近年来,自动驾驶逐渐映入人们眼帘,而交通标志检测作为自动驾驶领域中必不可少的一部分,其主要的作用便是通过车载摄像头采集到车辆所处位置前方图像,对图像进行处理后,返回图像中所包含的交通标志信息,如:位置信息、类别信息。然后车载系统或驾驶员可根据获取的交通标志信息采取相应的应对策略。但是由于交通标志本身所处环境的复杂性,如光照、天气、褪色、镜头抖动等外界因素,导致交通标志检测的难度大大提升,而且主流的交通标志检测算法对硬件设备的性能有着较高的要求,使其在性能不足的平台上很难完成实时检测。针对以上问题,本文以轻量级网络YOLOv4-Tiny作为基础框架进行改进,使其能够高效地完成复杂环境下交通标志检测任务。首先,针对交通标志所处环境的复杂性,提出对GTSDB数据集进行数据增强,使增强后的数据能更好地体现交通标志所处的复杂环境,使算法模型可以学习到更加真实的车载环境特征,从而增强模型的泛化能力和实用价值。YOLOv4-Tiny在GTSDB数据集上的mAP为84.29%,使用该数据增强后,mAP达到了88.26%。针对YOLOv4-Tiny检测性能的不足,提出了MS多尺度模块和AMS自适应多尺度特征增强模块。将AMS和MS模块分别嵌入到YOLOv4-Tiny的Neck部分的浅层分支中,AMS-YOLOv4-Tiny的mAP达到了87.28%,MS-YOLOv4-Tiny的mAP达到了87.79%,其中MS-YOLOv4-Tiny在数据增强的作用下,mAP甚至达到了91.03%。MS及AMS模块以较小的参数负担带来了较大的性能提升。然后,从人类视觉系统的角度出发,引入了CoordAttention注意力机制,使其更关注交通标志在图像中的特征信息,并基于分而治之的思想提出了GCA分组注意力模块,去简化交通标志所处的复杂环境信息。根据人类的视觉系统会优先注意到目标信息更多的区域这项特征,又基于GCA模块提出了EGCA增强分组注意力模块。依旧将这两个模块分别嵌入到YOLOv4-Tiny的Neck部分的浅层分支中,GCA-YOLOv4-Tiny的mAP达到了87.24%,EGCA-YOLOv4-Tiny的mAP达到了87.78%。最后,基于以上研究,设计并实现了一个简单的交通标志检测系统。该系统能够完成对输入图像和输入流视频中交通标志检测,也能调用本地摄像头实现实时交通标志检测。
其他文献
私密比较是安全多方计算领域中一个重要应用,指参与者在能够保证安全性和隐私性的前提下比较私密信息的大小关系。量子私密比较（Quantum Private Comparison,QPC）使用量子作为计算资源,以量子力学的特性保证协议的安全性,相比经典私密比较协议能够提供更强的安全保障。量子私密协议在电子选举、无记名投票、门限签名等实际场景中有重要的应用。目前的QPC协议中大部分都处于理论研究,这是由于
随着传感器技术的发展和普及,遥感已经成为人们获取地面信息的重要途径之一。高空间分辨率的多光谱图像在军事国防、精细农业、地质灾害检测等领域都得到了广泛的应用。而全色锐化是遥感图像处理领域的一项基础而重要的任务,利用全色图像的高分辨率空间细节来增强多光谱图像的空间分辨率。随着计算机视觉领域中深度神经网络的发展,深度神经网络在全色锐化中的应用引起了越来越多研究者的重视。目前的大多数全色锐化方法普遍缺乏将
近年来,智能设备走进千家万户,万物互联使得各行各业都产生了海量的信息,其中不乏含有小到个人的隐私图像,大至国家的机密图像在互联网上进行传输,这也随之而然地出现一系列问题,其中最严重的当属在公共信道传输过程中的数据安全问题。当数字图像在公共信道上传输时,保护图像数据信息最简单而又有效措施是利用某种技术将图像加密之后再进行传输。发送方使用图像加密算法将原始图像加密成为一幅无意义的噪声图像,而接收方使用
近来,多标签分类任务的应用领域变得越来越广泛,因此对该问题的研究也变得愈发重要。然而,类别不平衡问题是多数多标签数据集固有的一种特征,它影响了大多数多标签算法的分类效果。目前,解决这个问题的主流方法可以划分为四个类别:重采样法、分类器适应法、集成法和成本敏感法。在这其中,重采样法被认为是一个比较有效的策略,该方法是在分类器对多签数据集进行训练前,先使用重采样技术对数据集进行处理。这是一种独立于分类
多姿态人脸识别在计算机视觉中占据着重要的地位,其中最常见的研究方法为2D方法和3D方法。2D方法包括:不变特征的提取、虚拟视图重建、回归模型;3D方法包括:基于标定点的模型建立、基于像素的模型建立。针对2D方法中存在的缺陷,本文致力于结合传统特征和深度特征,提取人脸图像边缘梯度方向信息、尺度及旋转不变信息并应用于多姿态人脸识别。首先,提出一种增强边缘梯度方向信息的二值卷积神经网络。其次,提出一种尺
当前,在图像处理方面,卷积神经网络和生成对抗网络都有着不错表现,已经提出了几种针对神经网络的遥感图像融合方法,但是大多数方法都缺乏关于遥感图像领域的专业知识与结合实际应用处理。受到多对抗生成对抗网络思想的启发,本文创新性地提出了一种针对全色锐化的多对抗的生成对抗网络框架,提出的网络采用多对抗训练模式并融入遥感图像领域的特定知识。首先,在生成对抗网络的对抗过程中使用了一种对抗方式——多对抗。将生成器
从新闻信息流到社交、购物等应用场景,广告推荐无处不在。点击通过率预估作为广告推荐中的一项核心任务,一直以来都是学术界和工业界关注的热点。通过提高点击通过率预估效果,一方面可以改善用户浏览体验,另一方面还可以提高平台方收益。近些年,随着深度学习技术在多个任务领域取得成功,点击通过率预估模型也由早期的人工提取特征信息逐渐转变为神经网络自动学习特征信息。基于深度学习构建的预估模型在一定程度上提高了点击通
随着时代发展和消费体验升级,物业服务的影响力在上升,购房者将物业服务作为购房的重要考虑因素。信息化技术和人工智能技术不断的发展,物业管理行业掀起了一股智慧科技应用热潮,竞争形势越演越烈,物业企业要生存发展壮大,人才已经成为抢占市场份额的重要因素。通过高效的激励手段调动员工工作的积极性,能有效的提高员工业绩,进而影响企业的发展。物业企业对员工进行有效的激励是十分必要的。物业服务企业是劳动密集型企业,
目的 探究股骨干下段骨折顺行与逆行绞锁髓内钉内固定治疗的各自疗效及影响临床骨科医师的选择因素。方法 选取2018年1月至2020年12月我院收治的92例股骨干下段骨折，分成两组，对照组40例患者均采用逆行绞锁髓内钉内固定治疗，研究组52例患者均采用顺行绞锁髓内钉内固定治疗。比较两组患者治疗效果。结果 研究组顺行绞锁髓内钉内固定治疗与对照组逆行绞锁髓内钉内固定治疗的骨折愈合时间差异无统计学意义（P＞
随着数据科学的兴起,流程挖掘得到了更为广泛的关注。流程挖掘的目的在于从事件日志中提取出有用的信息,从而去发现、监控和改进实际业务流程,流程挖掘主要有三大研究领域:流程发现、一致性检查和流程增强。流程发现的目的在于从事件日志中自动地挖掘出流程模型。一致性检查主要用于评估挖掘模型的质量,从而对流程发现方法进行评估。流程增强通过一致性检查的结果对模型进行扩展。一致性检查主要划分为四个质量维度:适应性、精