声明
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 车辆行人检测算法技术研究现状
1.2.2 模型压缩算法研究现状
1.3 本文主要研究内容
2 基于YOLOv3改进的车辆行人检测算法
2.1 网络训练数据集构建
2.2 车辆行人目标检测算法
2.2.1 骨干网络
2.2.2 头部网络
2.2.3 YOLO后处理过程
2.3 车辆行人检测算法训练
2.3.1 对BDD100k数据集Anchor聚类
2.3.2 评价指标
2.3.3 损失函数
2.3.4 车辆行人目标检测网络训练实验
2.4 前景目标数量不平衡改进
2.5 本章小结
3 车辆行人检测模型的剪枝算法
3.1 基于BN层的网络稀疏化算法
3.1.1 BN层
3.1.2 BN层稀疏化
3.2 基于BN层的通道剪枝算法
3.2.1 一般卷积层模型通道剪枝
3.2.2 Shortcut模块通道剪枝
3.2.3 通道剪枝算法实验
3.3 模型层剪枝算法
3.3.1 Shortcut层剪枝
3.3.2 模型层剪枝实验
3.4 本章小结
4 基于TensorRT加速的车辆行人轻量级检测算法
4.1 嵌入式实验平台简介
4.2 Jetson TX2平台
4.3 基于TensorRT加速算法
4.3.1 网络层及张量合并
4.3.2 Jetson TX2 FP16低精度推理
4.4 TensorRT模型优化实现
4.4.1 ONNX模型转化
4.4.2 ONNX-TensorRT模型转化
4.5 TensorRT推理引擎推理实验
4.5.1 TensorRT推理引擎推理
4.5.2 实验结果对比
4.6 本章小结
5 总结与展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学;