简介:摘要:该项目采用的算法为轻量级深度学习算法,能够进行自适应特征提取,提高了准确性,满足实时性要求。选取具体室内场景,探究出最适合室内疲劳度测定的算法并探索最优解。基于人体面部图像序列动态地获取人的面部表情信息,在pytorch编译环境下实现面部特征捕捉算法及体态识别算法并找到出适合的深度学习算法。为实现研究目标,本文选取合适的数据库。接着给数据库中的数据附上更加细致的基于疲劳程度的分类标签,并打乱后切分成训练集和测试集两部分。随后构建ResNet50卷积神经网络,设置模型参数,并做初步的赋值。将数据库导入网络中,用迁徙学习的思想进行网络训练,完成对数据库图片的分类。根据分类结果不断调整参数后,完成该网络的构建,并投入实践中。
简介:摘要:自动驾驶技术一直以来是汽车领域的研究与开发的热点,自动驾驶技术中最重要的环节就是感知环节,而感知最重要的环节就是目标检测环节。本课题对比分析了自动驾驶技术中所用到的目标检测算法的性能以及优劣性。从概念上论述了基于一阶段(One Stage) 的SSD系列算法和基于二阶段(Two Stage) 的CNN系列算法。从理论上描述介绍了:基于一阶段(One Stage)的Yolo 系列算法。最后,通过实验的方法,专门对以上的Yolo v3系列算法进行了实验验证。Yolo v3 目标检测算法使用全卷积,主干网络是Darknet—53。本次实验从多方面展示了Yolo v3 系列目标检测算法的性能优劣:速度快但精度却不太理想。并进一步对Yolo v4目标检测算法进行简单实验验证,来进一步对比Yolo 不同系列算法的性能优缺。从多方面阐述了自动驾驶汽车中目标检测技术不同环节的优劣。