智能辅助驾驶场景典型目标识别技术研究

声明

第一章 绪 论

1.1 课题研究背景与意义

1.2.1 辅助驾驶系统研究现状

1.2.2 深度学习研究现状

1.3.1 本文主要研究内容

1.3.2 创新点

1.3.3 本文的章节安排

第二章 基于深度学习的目标检测

2.1 引言

2.2 基本网络模型分析

2.2.1 VGGNet

2.2.2 ResNet

2.2.3 DenseNet

2.3 深度学习的目标检测算法

2.3.1 基于Region Proposal的目标检测算法

2.3.2 基于回归方法的目标检测算法

2.4 本章小结

第三章 基于YOLOv3目标检测算法改进的轻量化方法

3.1 引言

3.2.1 目标检测指标

3.2.2 网络结构优化策略

3.2.3 损失函数改进策略

3.3 实验结果与分析

（1）实验数据集介绍

（2）实验平台

（3）实验设置

（4）实验结果分析

3.4 本章小结

第四章 车道线检测算法

4.1 引言

4.2.1 传统车道线检测方法

4.2.2 基于深度学习的车道线检测方法

4.3 车道线检测后处理的改进

4.3.1 车道线预处理改进策略

4.3.2 基于循环结构核相关算法的车道线跟踪

4.4 实验结果及分析

4.5 本章小结

第五章 JOINet联合检测

5.1 JOINet网络设计思路

5.2.1 网络模型结构

5.2.2 损失函数设计

5.3 实验结果及分析

5.3.1 实验所用数据集及训练策略

5.3.2 单任务检测结果及分析

5.3.3 多任务检测结果及分析

5.4 本章小结

第六章 全文总结及展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献

攻读硕士学位期间取得的成果