基于深度学习方法的目标检测技术在自动驾驶汽车的应用研究石启飞①(宿州职业技术学院,安徽宿州234001)摘要:在自动驾驶汽车设计中可能会使用不同的目标检测技术,无线电探测与测距技术(RADAR)、光图像探测与测距技术(LiDAR)和计算机视觉是公认的检测技术。计算机视觉是一种从数字图像中提取重要特征的方法,使计算机能够感知物体的特征并解释图像。在近几年的研究中,已经发现计算机视觉警示基于深度学习方法可以实时检测目标并应用在自动化领域。关键词:CNN;FasterRCNN;FastRCNN;RCNN;SSD;YOLO;自动驾驶汽车中图分类号:U472文献标志码:A文章编号:20959699(2022)060058040引言计算机视觉是人工智能(AI)的一个分支,它使计算机能够像人类一样进行可视化和理解数字图像。深度学习的进步和创新有助于计算机视觉实现图1自动驾驶汽车的结构更好的观看能力。自动驾驶汽车是一个自我决策系统,如图1所示,它从各种来源提取信息,如相机(计算机视觉)、激光雷达、雷达和传感器,然后进行信息整合,并将其输入先进的控制系统,该系统通过解读感知信息来推动车辆的机械运动。基于卷积神经网络(CNN)的方法是实现这类计算机视觉问题的最流行和最有效的方法。1对象检测挑战计算机视觉和深度学习方法可以用来解决目标检测的挑战,这些挑战将在下一节中进行详细描述。1.1数字图像中的目标分类目标分类是指在图像中找到目标的分类,前馈神经网络比传统的机器学习算法更准确地实现图像分类。CNN在单标签图像中实现更好的对象分类精度。对于多类目标分类,递归神经网络(CNNRNN)[1]模型具有较好的效果。1.2数字图像中的目标定位图2对象的分类和定位在数字图像中将定位目标的实际位置称为目标定位问题,即意味着物体的确切位置。通常,检测对象的位置由边界框表示,边界框是根据图像中物体的坐标确定的。研究人员提出了一种基于深度卷积第37卷第6期2022年12月景德镇学院学报JournalofJingDeZhenUniversityVol.37No.6Dce.2022①收稿日期:20220626基金项目:安徽省高校自然科学重点项目(KJ2021A1378);安徽省高校自然科学重点项目(KJ2020A0969);校级质量工程项目(szy2021lzlgc27)作者简介:石启飞(1982),男,安徽淮北人。讲师,本科,从事机械工程教学与研究。网络的子对象定位模型来定位图像中的对象,可以在没有人监督的情况下对物体进行定位[2]。图2展示了对象的分类和定位。1.3图像中的目标检测在计算机视觉中,目标检测问题是指在一幅图像中识别和检测多个目标。目标的检测...
