声明
致谢
第一章 绪论
1.1 研究背景及意义
1.2 车辆场景理解研究现状分析
1.3 多任务深度神经网络研究现状分析
1.4 本文主要研究内容与组织结构
第二章 车辆场景理解模型总体方案设计
2.1 引言
2.2 车辆场景理解模型需求分析
2.3 基于卷积神经网络的组件分析
2.4 面向车辆场景理解的多任务网络模型设计
2.5 本章小结
第三章 基于卷积神经网络的实时语义分割技术研究
3.1 引言
3.2 可分离卷积
3.3 注意力机制
3.4 基于特征上下文编码的实时语义分割网络
3.4.1 基于可分离卷积的上下文提取模块结构
3.4.2 基于注意力机制的特征后处理模块结构
3.4.3 分割网络模型构建
3.5 实验结果与分析
3.5.1 分割数据集及评价指标
3.5.2 实验环境设置
3.5.3 模型性能验证及分析
3.6 本章小结
第四章 基于卷积神经网络的实时目标检测技术研究
4.1 引言
4.2 基于候选区域的目标检测算法
4.3 基于端对端回归的目标检测算法
4.4 基于YOLO融合ROI池化的交通参与者检测网络
4.4.1 Encoder-Decoder架构
4.4.2 检测网络模型构建
4.5 实验结果与分析
4.5.1 检测数据集与评价指标
4.5.2 实验环境设置
4.5.3 模型性能验证及分析
4.6 本章小结
第五章 多任务网络联合算法研究
5.1 引言
5.2 多任务联合算法
5.3 基于多任务深度神经网络的车辆场景理解模型设计
5.3.1 模型结构设计
5.3.2 损失函数及优化器设计
5.4 多任务深度神经网络模型实验结果与分析
5.4.1 多任务网络评价指标
5.4.2 实验环境设置
5.4.3 模型性能验证及分析
5.5本章小结
第六章 总结与展望
6.1 本文工作总结
6.2 未来工作展望
参考文献
攻读硕士学位期间的学术活动及成果情况
合肥工业大学;