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