交通場景中的計算機(jī)視覺技術(shù)及應(yīng)用

1 交通場景的實(shí)時語義分割
1.1 語義分割的研究背景及現(xiàn)狀
1.1.1 引言
1.1.2 外研究現(xiàn)狀
1.1.3 實(shí)時語義分割研究難點(diǎn)
1.2 相關(guān)概念及理論基礎(chǔ)
1.2.1 卷積神經(jīng)網(wǎng)絡(luò)
1.2.2 語義分割相關(guān)基礎(chǔ)知識
1.2.3 數(shù)據(jù)集介紹
1.2.4 實(shí)時語義分割任務(wù)的典型解決方案
1.3 實(shí)時語義分割網(wǎng)絡(luò)SSRNet的模型設(shè)計
1.3.1 網(wǎng)絡(luò)的整體架構(gòu)
1.3.2 特征提取殘差塊
1.3.3 共享型雙分支網(wǎng)絡(luò)架構(gòu)
1.3.4 上下文路徑
1.3.5 特征融合模塊
1.3.6 上采樣模塊
1.3.7 輔助模塊
1.4 實(shí)驗(yàn)與分析
1.4.1 開發(fā)環(huán)境
1.4.2 實(shí)驗(yàn)設(shè)計
1.4.3 實(shí)驗(yàn)結(jié)果與分析
1.4.4 模型的泛化能力
參考文獻(xiàn)
2 分心駕駛行為識別
2.1 分心駕駛行為識別研究背景及現(xiàn)狀
2.1.1 研究背景
2.1.2 外研究現(xiàn)狀
2.2 相關(guān)理論概述
2.2.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
2.2.2 激活函數(shù)
2.2.3 目標(biāo)檢測理論基礎(chǔ)
2.2.4 人體姿態(tài)估計理論基礎(chǔ)
2.2.5 評價指標(biāo)
2.3 基于YoloV5改進(jìn)的目標(biāo)檢測算法
2.3.1 基于YoloV5的目標(biāo)檢測算法
2.3.2 改進(jìn)的YoloV5目標(biāo)檢測算法
2.3.3 實(shí)驗(yàn)結(jié)果與分析
2.4 基于輕量級Openpose改進(jìn)的人體姿態(tài)估計算法
2.4.1 基于Openpose的人體姿態(tài)估計算法
2.4.2 改進(jìn)的輕量級Openpose人體姿態(tài)估計算法
2.4.3 實(shí)驗(yàn)結(jié)果與分析
2.5 二階段行為識別的方法實(shí)現(xiàn)
2.5.1 實(shí)驗(yàn)總體流程
2.5.2 實(shí)驗(yàn)方法
2.5.3 實(shí)驗(yàn)結(jié)果分析
2.5.4 實(shí)驗(yàn)對比分析
參考文獻(xiàn)
3 交通道路障礙檢測
3.1 交通道路障礙檢測研究背景及現(xiàn)狀