目标检测YOLO实战应用案例100讲-基于深度学习的自动驾驶目标检测算法研究

目录

知识储备

自动驾驶-目标识别

2D目标检测范式演进

自动驾驶3D目标检测 

3D目标检测典型框架

数据集总结

3D目标检测算法总结

自动驾驶中的3D目标检测-Lidar/Camera/多模态

3D目标检测是什么？

1、定义

2、传感器输入

3、与2D目标检测的比较

4、与室内3D目标检测对比

数据集

评价标准

基于LiDAR的3D目标检测

基于相机的3D目标检测

基于多模态的3D目标检测

基于LiDAR-相机融合的多模态检测

时序3D目标检测

自动驾驶系统中的3D目标检测

基于深度学习的自动驾驶目标检测算法研究

相关理论基础 

2.1  卷积神经网络基本原理 

基于Haar特征和Adaboost分类器的目标检测算法 

基于HOG特征和SVM分类器的目标检测算法 

2.3基于深度学习的目标检测算法 

2.4  数据集及评估指标 

基于改进Faster-RCNN的复杂场景目标检测算法 

3.1  引言 

3.2  基于CIoU Loss的定位损失函数改进 

3.3  基于Soft-CIoU-NMS的边界框后处理方法改进  

3.4  实验结果及分析 

基于注意力特征金字塔网络的多尺度目标检测算法 

4.1  引言 

4.2  基于K-means和遗传算法的锚框设计方法 

4.3  基于注意力特征金字塔网络的多尺度特征融合 

4.4  实验结果及分析 

---

本文篇幅较长，分为上下两篇，下篇详见基于深度学习的自动驾驶目标检测算法研究（续）​​​​​​​

知识储备

自动驾驶-目标识别

目标识别是自动驾驶技术中非常重要的一个环节，下图是特斯拉早些时间放出的一组视频中的一幕，可以看到，特斯拉通过三个角度的摄像机同时传输着视频图像，并通过识别算法实时地对周围环境中的物体进行着识别，图例中可以发现特斯拉对车辆、行人及道路中线都完成了识别。目标识别一直都是无数专家学者研究的一大问题，传统的目标识别方法已经取得了不俗的成绩，深度学习进入该领域后又是不断创造着更好的记录。

基于计算机视觉技术的目标识别主要目的是识别出图像中有什么物体，并报告出这个物体在图像表示的场景中的位置和方向。对一个给定的图片进行目标识别，首先要判断目标有没有，如果目标没有，则检测和识别结束，如果有目标，就