目錄1交通場景的實時語義分割11.1語義分割的研究背景及現(xiàn)狀11.1.1引言11.1.2國內(nèi)外研究現(xiàn)狀31.1.3實時語義分割研究難點71.2相關(guān)概念及理論基礎(chǔ)81.2.1卷積神網(wǎng)絡(luò)81.2.2語義分割相關(guān)基礎(chǔ)知識161.2.3數(shù)據(jù)集介紹181.2.4實時語義分割任務(wù)的典型解決方案1.3實時語義分割網(wǎng)絡(luò)SSRNet的模型設(shè)計241.3.1網(wǎng)絡(luò)的整體架構(gòu)251.3.2特征提取殘差塊251.3.3共享型雙分支網(wǎng)絡(luò)架構(gòu)311.3.4上下文路徑331.3.5特征融合模塊351.3.6上采樣模塊371.3.7輔助模塊371.4實驗與分析401.4.1開發(fā)環(huán)境401.4.2實驗設(shè)計411.4.3實驗結(jié)果與分析441.4.4模型的泛化能力53參考文獻(xiàn)572分心駕駛行為識別622.1分心駕駛行為識別研究背景及現(xiàn)狀622.1.1研究背景622.1.2國內(nèi)外研究現(xiàn)狀2.2相關(guān)理論概述682.2.1神網(wǎng)絡(luò)基礎(chǔ)682.2.2激活函數(shù)722.2.3目標(biāo)檢測理論基礎(chǔ)732.2.4人體姿態(tài)估計理論基礎(chǔ)752.2.5評價指標(biāo)762.3基于YoloV5的目標(biāo)檢測算法782.3.1基于YoloV5的目標(biāo)檢測算法782.3.2的YoloV5目標(biāo)檢測算法822.3.3實驗結(jié)果與分析8基于輕量級Openpose的人體姿態(tài)估計算法932.4.1基于Openpose的人體姿態(tài)估計算法932.4.2的輕量級Openpose人體姿態(tài)估計算法972.4.3實驗結(jié)果與分析1012.5二階段行為識別的方法實現(xiàn)1052.5.1實體流程1052.5.2實驗方法1062.5.3實驗結(jié)果分析1092.5.4實驗對比分析111參考文獻(xiàn)1133交通道路障礙檢測1173.1交通道路障礙檢測研究背景及現(xiàn)狀1173.1.1檢測背景1173.1.2當(dāng)前研究現(xiàn)狀1193.1.3道路障礙檢測研究難點1213.2相關(guān)概念及理論基礎(chǔ)1223.2.1卷積神網(wǎng)絡(luò)1223.2.2目標(biāo)檢測算法的相關(guān)理論1273.3基于輕量級YoloV4的道路障礙檢測模型1353.3.1后的模型整體1353.3.2YoloV4算法簡介1353.3.3輕量級的特征提取網(wǎng)絡(luò)1383.3.4的特征融合層1413.3.5加入注意力機制1423.3.6的CBL模塊1443.4網(wǎng)絡(luò)與實驗結(jié)果1483.4.1開發(fā)環(huán)境搭建1483.4.2道路障礙的數(shù)據(jù)集1493.4.3實驗設(shè)計1523.4.4實驗結(jié)果分析158參考文獻(xiàn)167