【摘 要】
:
近几年来随着社会的高速发展及人们生活的提高,汽车逐渐普及,因此,对车辆行驶安全问题有了更高要求,道路交通标识的自动检测与识别在安全驾驶中的作用也越来越重要。基于交通标识的道路驾驶辅助系统的出现,不但能减少驾驶人员的精神压力,也能大大避免交通事故的发生。交通标识的识别就成为道路驾驶辅助系统实现过程中的关键一环,及时、准确识别汽车行驶过程中的交通标识,可以有效提醒驾驶员因疏忽或者因盲目超速等不良行为而
论文部分内容阅读
近几年来随着社会的高速发展及人们生活的提高,汽车逐渐普及,因此,对车辆行驶安全问题有了更高要求,道路交通标识的自动检测与识别在安全驾驶中的作用也越来越重要。基于交通标识的道路驾驶辅助系统的出现,不但能减少驾驶人员的精神压力,也能大大避免交通事故的发生。交通标识的识别就成为道路驾驶辅助系统实现过程中的关键一环,及时、准确识别汽车行驶过程中的交通标识,可以有效提醒驾驶员因疏忽或者因盲目超速等不良行为而错过的交通标识,避免发生因人为因素所导致的事故。因此,如何实现实时性好且识别精度高的识别系统成为研究重点,然而,目前的交通标识的识别技术是很难在实时性和识别精度上得到权衡,无法实现实际驾驶场景的应用。为保证实时性的前提下,对精度的追求是无止境的。因此,本文研究了基于R-FCN网络的交通标识检测与识别,针对数据集、分类网络结构、激活函数等问题进行深入研究。具体研究工作如下:1.构建一种基于中国实际道路的交通标识数据集(CNTSD)。研究基于中国基准的两个数据集,即清华大学创建的基于中国现实交通标志数据集(TT100k)和长沙理工大学综合交通运输大数据智能处理湖南省重点实验室张建明老师团队制作的中国交通数据集(CCTSDB),设计新的数据集集合,全部CCTSDB数据集,部分TT100K及手机采集到的现实道路图像,组成30000多张数据图像,并通过Label Image图像标注工具将数据集图像进行标注生成对应xml文件,用于存储图像中目标的位置信息等,便于后期训练、测试及识别。2.设计一种可提升识别精度的交通标识分类网络。在研究Le Net-5、VGG、Res Net及残差注意力网络优缺点的基础上,设计用于本文数据集的交通标识分类网络,为验证网络的实用性,首先采用目前流行的权威交通标识数据集,即德国基准的交通标志数据集GTSRB,用该数据集对改进的分类网络的进行预训练,得到预训练后的网络模型,通过迁移学习应用至后期的交通标识的检测与识别网络中,得到优化后的中国交通标识的检测与识别分类模型。3.设计一种权衡实时性与精度值的激活函数。研究激活函数Re LU、PRe LU、ELU的改进策略,针对激活函数存在的梯度消失现象,神经元死亡、输出非零均值以及对于指数函数计算复杂使网络训练缓慢等问题,设计实现了一种具有ELU激活函数的所有优点且加快指数计算速度的新激活函数。为验证新激活函数的实用性,首先设计简单的分类网络对交通标识数据集进行训练及测试,检验激活函数所采用的交通标识数据集是德国交通标志数据集基准及比利时交通标志数据集基准,对比Re LU、ELU、MPELU、TRe LU和新激活函数的性能,得到适合交通标识检测与识别的激活函数。4.完成符合本文数据集的改进R-FCN交通标识检测与识别网络模型。验证R-FCN网络模型,得到Res Net-50网络更适合交通标识的检测与识别,并将设计好的分类网络及激活函数添加至R-FCN网络,并将预训练好的网络模型以迁移的方式对改进后的R-FCN网络进行训练,得到交通标识检测与识别网络模型,并且利用网络模型对数据集进行测试,得到测试结果,通过可视化平台的方式展示出来。
其他文献
探讨高考语文信息类阅读测试的目标要求,梳理已有的高考题和本市监测题,归纳出阅读的难点主要有推论类、整合类、运用类、评价类等,并以例题简要说明难点所在,最后从思维的角度提出突破信息类阅读难点的教学对策:加强整体思维和复合思维训练;加强关联思维和比较思维训练。
随着物联网的快速发展,各行各业产生了海量的时间序列数据。如何保障设备正常高效运转,预测设备运行状态从而降低因设备维修和更换所造成的损失是研究者关注的重点。然而在预测过程中面临着故障数据稀少即样本不平稳问题,以及传统方法难以综合考虑监测数据的特征之间的关系问题。为了解决这两个问题,本课题提出了基于图神经网络的系统运行状态预测方法。该方法主要包含三个部分:首先基于蒙特卡罗树搜索来设计设备异常状态数据生
近年来随着图像传感器技术的进步,多源数据融合技术得到了飞速发展,利用多源融合技术将在同一场景下的可见光图像和红外图像融合成一幅图像,即可见光与红外融合图像,该融合图像具有受环境因素影响小且适于人眼观察的特点,在当今军事、医疗、图像识别等领域得到广泛应用。人们可以快速地从一副清晰度高、质量好的图像获取需要的信息,但是不同的融合算法会产生不同质量的融合图像,影响人眼对融合图像的观察,所以利用计算机技术
砂箱的强度不够,机械加工时的精度达不到要求,如砂筋不合格,砂箱在使用过程中发生翘曲变形,都会在合型或搬运过程中造成错型。尤其是模板定位销在长期使用中的过量磨损更是造成铸件错型的直接因素。合型时合箱定位销严重磨损或弯曲变形;使用楔形箱卡夹紧砂型时,若一边比另一边先夹紧会产生很大的错箱力;拔掉合箱销后再夹紧砂型,这些都是容易造成错型的因素。在组装砂芯时,砂芯磨削量过大,砂芯粘结膏涂抹过多,砂芯粘结不牢
现有常见的安全穿戴设备识别算法仅针对单一特定简单场景有较好的检测性能,不适用于通用复杂场景。复杂场景下的安全穿戴设备识别存在如下问题:背景中存在较多噪声影响目标检测的精确度;检测目标被遮挡面积大且被检测的目标在整个画面中占比小;目标与背景仅存在非常小的差异,形状等特征极其相近等等。例如在海洋采油平台安装摄像头距离工作人员较远时工作人员所佩戴的安全帽在图像中占很小的像素,所反映出的信息量少,用普通目
随着互联网数据交换的爆炸式发展,数字视频得以在网络上广泛传播,与此同时,视频被非法用户复制、篡改的现象频繁发生。多媒体的安全与版权保护正受到人们的广泛关注。近年来,水印技术以其不可见性、鲁棒性以及有效嵌入量在视频版权保护领域大放异彩,是数字版权保护的有效方法之一。其中主流的视频水印技术是在视频关键帧上嵌入水印。然而现有的关键帧提取方法存在冗余或者漏检现象,未能很好的反映视频内容,并且其他多数视频水
2025年全球物联网设备将达到416亿台。工作在2.4GHz的Wi-Fi和Zig Bee是目前物联网主要使用的两种通信技术,异构物联网通信CTC(Cross-Technology Communication)实现了两种网络物理层的数据融合,解决了信道争用导致的信道利用率低等问题。但由于传输范围差异,发送端一跳发送数据,接收端需要多跳返回确认,这将导致较长的传输延迟,尤其在低占空比的Zig Bee网
随着信息技术的蓬勃发展,人们对软件的需求与依赖越来越多,而软件的规模与复杂度也呈现递增式增长。软件中存在缺陷难以避免,其中,程序语义缺陷是一类典型的软件缺陷,程序语义缺陷的存在将导致程序运行时出现系统瘫痪、运算结果不正确、性能降低、安全漏洞等各种问题。静态分析技术是检测语义缺陷的一种有效方法,但由于在数据流分析与缺陷检测过程中的某些保守处理,检测出的警报只是可能是缺陷,其中可能会存在误报,而误报的
伴随着摄像头等硬件设备的快速升级,计算机视觉技术得到了蓬勃的发展。单目标跟踪作为计算机视觉的重要分支,被广泛的应用在智能交通、智能安防、无人驾驶和智能机器人等领域。深度学习作为人工智能领域一种有效的工具,能够通过大规模数据训练,高效的处理计算机视觉中图像分类、检测等问题。将深度学习中的卷积神经网络与单目标跟踪算法相结合,将会极大的提高跟踪算法的性能。通常,使用卷积神经网络的单目标跟踪算法被分为3类
我国工业发展迅速,对现代机械设备的规模、精度和复杂性的要求不断增加。如何使机械设备能够稳定且高效的运行,是各企业急需解决的问题。然而,随着运行时间的不断增加,零部件的性能也会逐渐下降,外界环境复杂多变性也会影响机械设备的运行状况,这些复杂因素的影响,导致机械设备发生故障具有不可避免和随机性。因此,在机械设备的有效寿命期内,故障诊断和预测能够为机械设备的平稳运行提供有力保障。在没有使用故障诊断和预测