1 交通場景的實時語義分割

1.1 語義分割的研究背景及現狀

1.1.1 引言

1.1.2 國內外研究現狀

1.1.3 實時語義分割研究難點

1.2 相關概念及理論基礎

1.2.1 卷積神經網絡

1.2.2 語義分割相關基礎知識

1.2.3 數據集介紹

1.2.4 實時語義分割任務的典型解決方案

1.3 實時語義分割網絡SSRNet的模型設計

1.3.1 網絡的整體架構

1.3.2 特征提取殘差塊

1.3.3 共享型雙分支網絡架構

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 實驗與分析

1.4.1 開發環境

1.4.2 實驗設計

1.4.3 實驗結果與分析

1.4.4 模型的泛化能力

參考文獻



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狀

2.1.1 研究背景

2.1.2 國內外研究現狀

2.2 相關理論概述

2.2.1 神經網絡基礎

2.2.2 激活函數

2.2.3 目標檢測理論基礎

2.2.4 人體姿態估計理論基礎

2.2.5 評價指標

2.3 基于YoloV5改進的目標檢測算法

2.3.1 基于YoloV5的目標檢測算法

2.3.2 改進的YoloV5目標檢測算法

2.3.3 實驗結果與分析

2.4 基于輕量級Openpose改進的人體姿態估計算法

2.4.1 基于Openpose的人體姿態估計算法

2.4.2 改進的輕量級Openpose人體姿態估計算法

2.4.3 實驗結果與分析

2.5 二階段行為識別的方法實現

2.5.1 實驗總體流程

2.5.2 實驗方法

2.5.3 實驗結果分析

2.5.4 實驗對比分析

參考文獻



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狀

3.1.1 檢測背景

3.1.2 當前研究現狀

3.1.3 道路障礙檢測研究難點

3.2 相關概念及理論基礎

3.2.1 卷積神經網絡

3.2.2 目標檢測算法的相關理論

3.3 基于輕量級YoloV4改進的道路障礙檢測模型

3.3.1 改進后的模型整體

3.3.2 YoloV4算法簡介

3.3.3 輕量級的特征提取網絡

3.3.4 改進的特征融合層

3.3.5 加入注意力機制

3.3.6 改進的CBL模塊

3.4 網絡訓練與實驗結果

3.4.1 開發環境搭建

3.4.2 道路障礙的數據集

3.4.3 實驗設計

3.4.4 實驗結果分析

參考文獻