歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
基于深度學(xué)習(xí)的視頻車道線檢測(cè)技術(shù)

基于深度學(xué)習(xí)的視頻車道線檢測(cè)技術(shù)

出版社：化學(xué)工業(yè)出版社出版時(shí)間：2024-06-01
開本： 16開 頁數(shù)： 190
中 圖 價(jià):¥80.6(6.3折) 定價(jià)  ¥128.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

基于深度學(xué)習(xí)的視頻車道線檢測(cè)技術(shù) 版權(quán)信息

基于深度學(xué)習(xí)的視頻車道線檢測(cè)技術(shù) 本書特色

（1）本書的目標(biāo)是為讀者提供一個(gè)全面的、深入的了解基于深度學(xué)習(xí)的視頻車道線檢測(cè)技術(shù)。（2）本書從基礎(chǔ)概念開始，逐步深入研究模型、數(shù)據(jù)集、訓(xùn)練策略和實(shí)際應(yīng)用，展開介紹多種深度學(xué)習(xí)模型，包括卷積神經(jīng)網(wǎng)絡(luò)、Swin Transformer以及它們的變種和組合。（3）本書還探討該領(lǐng)域的前沿研究，如多模態(tài)感知、不確定性建模、端到端自動(dòng)駕駛系統(tǒng)等，這些內(nèi)容將有助于讀者更好地理解車道線檢測(cè)技術(shù)的發(fā)展趨勢(shì)和未來應(yīng)用。

基于深度學(xué)習(xí)的視頻車道線檢測(cè)技術(shù) 內(nèi)容簡(jiǎn)介

在當(dāng)今的自動(dòng)駕駛和智能交通系統(tǒng)領(lǐng)域，視頻車道線檢測(cè)技術(shù)扮演著至關(guān)重要的角色。本書將帶您深入探索這一領(lǐng)域，揭示如何使用深度學(xué)習(xí)技術(shù)來實(shí)現(xiàn)精確、魯棒和實(shí)時(shí)的車道線檢測(cè)。本書全面系統(tǒng)地介紹了基于深度學(xué)習(xí)的視頻車道線檢測(cè)技術(shù)，包括基于深度學(xué)習(xí)的車道線檢測(cè)理論基礎(chǔ)、基于Swin Transformer的車道線檢測(cè)技術(shù)、基于深度混合網(wǎng)絡(luò)的連續(xù)多幀駕駛場(chǎng)景的魯棒車道線檢測(cè)技術(shù)、基于深度學(xué)習(xí)的視頻車道線檢測(cè)技術(shù)、基于MMA-Net的輕量級(jí)視頻實(shí)例車道線檢測(cè)技術(shù)、基于記憶模板的多幀實(shí)例車道線檢測(cè)技術(shù)、未來展望與發(fā)展趨勢(shì)等。本書可供從事自動(dòng)駕駛、交通工程、計(jì)算機(jī)視覺、深度學(xué)習(xí)等方面的技術(shù)人員參考，亦可供高等院校相關(guān)專業(yè)師生參考使用。

基于深度學(xué)習(xí)的視頻車道線檢測(cè)技術(shù) 目錄

第1章 緒論 001
1.1 研究背景及意義 002
1.1.1 研究背景 002
1.1.2 研究意義 003
1.2 國(guó)內(nèi)外研究現(xiàn)狀 005
1.2.1 基于圖像處理的車道線檢測(cè)技術(shù) 007
1.2.2 基于CNN的車道線檢測(cè)技術(shù) 008
1.3 本書結(jié)構(gòu)概覽 013 第2章 基于深度學(xué)習(xí)的車道線檢測(cè)理論基礎(chǔ) 015
2.1 卷積神經(jīng)網(wǎng)絡(luò) 016
2.1.1 卷積層 016
2.1.2 池化層 017
2.1.3 激活函數(shù) 017
2.1.4 全連接層 018
2.1.5 批量歸一化層 019
2.1.6 損失函數(shù) 019
2.2 卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 020
2.2.1 目標(biāo)檢測(cè) 021
2.2.2 圖像分割 021
2.3 車道線檢測(cè) 023
2.3.1 基于傳統(tǒng)方法的車道線檢測(cè) 023
2.3.2 基于深度學(xué)習(xí)的車道線檢測(cè) 024
2.4 數(shù)據(jù)集 027
2.4.1 交通場(chǎng)景數(shù)據(jù)集 028
2.4.2 車道線檢測(cè)數(shù)據(jù)集 032
2.4.3 數(shù)據(jù)集總結(jié) 036
2.5 數(shù)據(jù)預(yù)處理 038
2.6 性能評(píng)估 039
本章小結(jié) 040 第3章 基于Swin Transformer的車道線檢測(cè)技術(shù) 041
3.1 系統(tǒng)概述 042
3.2 網(wǎng)絡(luò)設(shè)計(jì) 044
3.2.1 車道邊緣建議網(wǎng)絡(luò) 044
3.2.2 車道線定位網(wǎng)絡(luò) 048
3.3 訓(xùn)練策略 049
3.3.1 車道邊緣建議網(wǎng)絡(luò) 049
3.3.2 車道線定位網(wǎng)絡(luò) 050
3.4 實(shí)驗(yàn)和結(jié)果 052
3.4.1 數(shù)據(jù)集 052
3.4.2 超參數(shù)設(shè)置和硬件環(huán)境 053
3.4.3 性能評(píng)估 053
3.4.4 測(cè)試結(jié)果可視化 057
本章小結(jié) 065 第4章 基于深度混合網(wǎng)絡(luò)的連續(xù)多幀駕駛場(chǎng)景的魯棒車道線檢測(cè)技術(shù) 067
4.1 系統(tǒng)概述 068
4.2 網(wǎng)絡(luò)設(shè)計(jì) 069
4.2.1 優(yōu)化的MAE網(wǎng)絡(luò) 069
4.2.2 掩碼技術(shù) 070
4.2.3 基于MAE架構(gòu)的編解碼器網(wǎng)絡(luò) 070
4.3 訓(xùn)練策略 077
4.4 實(shí)驗(yàn)和結(jié)果 078
4.4.1 數(shù)據(jù)集 078
4.4.2 超參數(shù)設(shè)置和硬件環(huán)境 080
4.4.3 實(shí)驗(yàn)評(píng)估和比較 080
4.4.4 消融實(shí)驗(yàn) 094
4.4.5 結(jié)果與討論 095
本章小結(jié) 096 第5章 基于深度學(xué)習(xí)的視頻車道線檢測(cè)技術(shù) 097
5.1 時(shí)空記憶網(wǎng)絡(luò) 098
5.1.1 Key與Value空間的嵌入張量 098
5.1.2 STM網(wǎng)絡(luò)結(jié)構(gòu) 099
5.2 多級(jí)記憶聚合模塊 101
5.3 Siamese網(wǎng)絡(luò) 104
5.3.1 深度相似性學(xué)習(xí) 104
5.3.2 全卷積暹羅網(wǎng)絡(luò) 105
5.4 自適應(yīng)模板匹配 106
5.4.1 目標(biāo)的嵌入向量 106
5.4.2 自適應(yīng)模板匹配與更新 107
本章小結(jié) 110 第6章 基于MMA-Net的輕量級(jí)視頻實(shí)例車道線檢測(cè)技術(shù) 111
6.1 FMMA-Net網(wǎng)絡(luò)結(jié)構(gòu) 112
6.2 記憶幀編碼器設(shè)計(jì) 112
6.2.1 ResNet-18-FA網(wǎng)絡(luò)結(jié)構(gòu) 115
6.2.2 融合與注意力模塊 115
6.3 查詢幀編碼器設(shè)計(jì) 118
6.3.1 STDC網(wǎng)絡(luò)結(jié)構(gòu)與分析 119
6.3.2 G-STDC網(wǎng)絡(luò)結(jié)構(gòu) 123
6.3.3 全局上下文模塊 124
6.4 網(wǎng)絡(luò)的損失函數(shù) 125
6.4.1 實(shí)例車道線存在預(yù)測(cè)損失函數(shù) 125
6.4.2 實(shí)例車道線的mIoU損失函數(shù) 125
6.4.3 總損失函數(shù) 126
6.5 實(shí)驗(yàn)結(jié)果與分析 126
6.5.1 VIL-100數(shù)據(jù)集 126
6.5.2 圖像級(jí)評(píng)價(jià)標(biāo)準(zhǔn) 128
6.5.3 實(shí)驗(yàn)環(huán)境搭建與訓(xùn)練 130
6.5.4 定量實(shí)驗(yàn)結(jié)果與分析 130
6.5.5 定性實(shí)驗(yàn)結(jié)果與分析 131
6.5.6 融合與注意力模塊的有效性 131
6.5.7 全局上下文模塊的有效性 133
本章小結(jié) 136 第7章 基于記憶模板的多幀實(shí)例車道線檢測(cè)技術(shù) 137
7.1 網(wǎng)絡(luò)整體結(jié)構(gòu) 138
7.2 記憶模板的工作原理 138
7.3 記憶模板的結(jié)構(gòu)設(shè)計(jì) 141
7.3.1 全局動(dòng)態(tài)特征 141
7.3.2 局部動(dòng)態(tài)特征 142
7.4 模板匹配與時(shí)空記憶中的固有誤差 145
7.4.1 模板匹配中的固有誤差分析 145
7.4.2 時(shí)空記憶中的固有誤差分析 146
7.4.3 記憶固有誤差傳播 146
7.5 多目標(biāo)轉(zhuǎn)移矩陣損失函數(shù) 149
7.6 實(shí)驗(yàn)準(zhǔn)備 151
7.6.1 TuSimple數(shù)據(jù)集 151
7.6.2 CULane數(shù)據(jù)集 152
7.6.3 視頻級(jí)車道線評(píng)價(jià)標(biāo)準(zhǔn) 152
7.6.4 實(shí)驗(yàn)環(huán)境搭建 154
7.6.5 訓(xùn)練結(jié)果 155
7.7 消融實(shí)驗(yàn)結(jié)果與分析 156
7.7.1 記憶的有效性 157
7.7.2 融合與注意力模塊的有效性 158
7.7.3 記憶模板的有效性 158
7.7.4 多目標(biāo)轉(zhuǎn)移矩陣的有效性 159
7.8 對(duì)比實(shí)驗(yàn)結(jié)果與分析 161
7.8.1 在VIL-100中定量分析與對(duì)比 161
7.8.2 在VIL-100中定性分析與對(duì)比 162
7.8.3 在TuSimple中進(jìn)行定量與定性分析與對(duì)比 164
7.8.4 在CULane中進(jìn)行定量與定性分析與對(duì)比 165
7.9 實(shí)車實(shí)驗(yàn) 168
7.9.1 實(shí)驗(yàn)裝置介紹 168
7.9.2 相機(jī)標(biāo)定模型搭建 170
7.9.3 相機(jī)標(biāo)定實(shí)驗(yàn) 172
7.9.4 實(shí)時(shí)視頻檢測(cè) 174
本章小結(jié) 178 第8章 未來展望與發(fā)展趨勢(shì) 179
8.1 深度學(xué)習(xí)技術(shù)的進(jìn)一步應(yīng)用 180
8.2 智能交通系統(tǒng)的發(fā)展前景 181
8.3 車道線檢測(cè)技術(shù)的創(chuàng)新方向 182 參考文獻(xiàn) 183
展開全部
商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服