【摘 要】
：
随着城市交通系统建设的快速发展，目前无人驾驶技术受到了越来越多的关注。如何保证高速行驶的无人车的安全性成为了无人驾驶技术的研究重点之一。场景深度推断和自运动检测作为无人驾驶技术的两个关键问题，对它们的深入研究将有助于无人驾驶技术安全性与可靠性的发展。目前激光雷达和GPS等传感器被广泛应用于场景深度推断和自运动检测问题研究，然而，它们普遍存在成本较高、对噪声和对人为干扰敏感等问题。随着照相机技术的快
论文部分内容阅读
随着城市交通系统建设的快速发展，目前无人驾驶技术受到了越来越多的关注。如何保证高速行驶的无人车的安全性成为了无人驾驶技术的研究重点之一。场景深度推断和自运动检测作为无人驾驶技术的两个关键问题，对它们的深入研究将有助于无人驾驶技术安全性与可靠性的发展。目前激光雷达和GPS等传感器被广泛应用于场景深度推断和自运动检测问题研究，然而，它们普遍存在成本较高、对噪声和对人为干扰敏感等问题。随着照相机技术的快速发展，使得通过较低成本的相机设备来快速获得大量高质量的图像数据成为了可能。本课题旨在利用照相机获取的高质量图像数据来检测场景深度和相机自运动以及检测场景中的目标来感知行车环境。
本文将深度学习技术应用于场景深度检测和相机自运动的问题研究，并利用检测的结果重构视点作为网络的约束。受注意力机制的启发，研究中依据各层网络特征的不同特点，设计了三种基于注意力机制的特征提取模块；根据特征组的重要性，提出一种特征融合模块，通过重标定特征组的权重来融合特征组；根据图像重构的缺点，提出三种损失函数优化模型。实验结果表明，模型可取得比较好的预测精度。
本课题提出了两种方法来检测场景中的目标：基于大卷积的图像分割方法和基于SSD的目标检测方法。在本研究中，图像分割网络被分解成两个子网络，分别作用于图像整体分割和边缘细节的精细分割；还通过结合注意力机制，设计了特征提取模块和特征融合模块。此外，本研究还利用了SSD网络检测目标，通过排斥损失和Focal Loss来优化网络。实验结果显示，上述目标检测网络能取得比较好的性能。
在多个数据集上的对比实验结果表明，结合注意力机制的相机自运动和场景深度检测网络可以有效检测相机自运动和场景深度。本文结合注意力机制和特征融合策略，提出了一种端到端的图像分割算法，该算法可以显著提高图像分割的准确性。此外，本课题还利用排斥损失和Focal Loss提高街景目标的检测效果。
其他文献
数据流测量是网络性能管理的重要研究分支之一，可以为各类网络管理应用提供实时、基础的测量数据，比如流量工程、异常流量检测及流量行为分析等，从而确保这些管理应用的可靠运行。随着信息技术的快速发展与更新，无论是网络环境，还是网络技术都在日新月异地发生着变化，比如应用服务日益繁荣，导致网络流量急剧增加；网络环境不断演进并逐步延伸至物联网；SDN技术将控制与数据平面解耦，极大提高了网络管理的效率等，这些变化
与物理试穿不同，虚拟试穿系统允许购物者在购买服装之前虚拟可视化服装试穿效果。目前的虚拟试衣系统在仿真环境交互、款式设计、自动裁剪以及服装模拟方面达到较好效果，但在虚拟服装拟合评估、服装图案自适应调整、真实感细小折皱生成、虚拟角色服装效果展示以及服装变形效果展现的虚拟三维服装展示关键技术方面还存在着较多缺陷，这也成为了三维虚拟试衣系统推广应用的瓶颈。本文针对虚拟三维服装展示关键技术展开研究，取得了以
本文针对矿山排水系统中的水泵机组调度问题，以水泵机组所耗电费最小、水泵负载均衡为目标，以分时电价为基础，建立了相应的约束优化模型，进而结合水泵调度问题的特点，提出了基于群智能优化算法的调度算法。本文的主要创新点包括： （1）给出了矿山排水系统中水仓水位预测算法。矿山排水系统启停的主要约束是水仓水位不能超过预定的阈值，对水仓水位进行预测是实现优化调度的基础，其关键是对涌水量进行预测。为此，提出了基
云计算使得用户可以通过互联网来使用应用程序、计算、服务和存储。通常情况下，为确保计算效率以及智能手机的能源效率需要使用很多软件和硬件。近年来，随着科技不断进步，已经引入了许多新技术来最大限度地利用资源并降低成本。在数据中心中，云计算可以托管多种类型的异构虚拟机VM，并提供灵活性、安全性、支持以及比传统数据中心更好的维护等。在云计算中，需要解决 在云计算中需要考虑能源使用优化、资源利用、减少时间消
云端融合计算是大数据发展的产物，是当前主流的一种计算范型，它是多种计算形态的结合，其发展经历了两个阶段，形成两种不同的架构：移动计算和云计算融合的云／端融合架构；边缘计算出现之后，终端、边缘节点、云计算中心三者结合的云边端融合架构。在云端融合中，计算迁移(Computation Offloading)是一种重要的计算模式，即终端设备通过向远程具有较强计算能力的设施（边缘节点或者云服务器）迁移部分计
医学图像分割在临床研究中有非常重要的应用，可用于治疗可视化及手术计划等应用。虽然已经有大量人脑组织图像分割的相关研究，但是，已有的分割技术要么太复杂，要么对某些应用来说不够准确。为此，本文提出了三种新的医学图像分割算法。 首先，利用模糊水平集方法的中值滤波器来提出磁共振成像（MRI）脑组织图像的模糊分割。MRI图像用作输入图像，利用中值滤波器和模糊C均值（FCM）聚类来分别去除图像噪声并创建图像
图像的相似性或失真性评估对图像处理和计算机视觉的广泛应用至关重要。已经提出了很多基于统计学的图像相似度量方法来处理特定类型的图像失真，如具有广泛应用的经典结构相似度度量技术SSIM。 由于涉及诸如头部姿势、不同类型的光照和不同面部表情之类的重大挑战，人脸识别被认为是图像相似性研究中最艰巨的挑战之一。提出了四种新的用于人脸识别的图像相似性度量方法，进而来完成人脸相似性检测和人脸识别，并对提出方法进
图像相似性评估和人脸识别评估在图像处理和机器视觉领域具有广泛的应用，研究者已经提出了许多测量方法来应对图像相似性和人脸识别评估技术所面临的挑战。 本文着重从统计学和信息论两个方面研究图像识别的相似性。研究表明信息论方法和统计方法在图像识别中具有较好的性能，但混合方法在相似性判断上具有更好的效果。利用功能和通用规则对面部和非面部图像相似性评估进行了深入研究，特别研究了它们的性质及其对相似性和判别的
近年来，人脸检测和行人检测是计算机视觉中非常重要的研究课题，并且取得了相当大的进展。然而，基于二者的人数统计任务在实际应用中仍存在限制。人脸检测方法仅仅能够检测人脸，这就意味着当人背对着摄像头时，该目标就会漏检；同时由于室内场景的复杂性，身体的大多数部位都是不可见的，所以行人检测的方法同样不可行。而人头检测就没有上述限制。在人头检测领域，虽然已经有相关团队基于传统图像处理方法及深度学习方法对其进行
从海量的数据中挖掘出有价值的模式是非常重要的研究领域。数据挖掘的早期研究主要集中在频繁模式挖掘，目标是识别出在事务数据库中出现次数较多的项目集。这些频繁的模式能够帮助企业更好的理解数据并且提供决策支持。然而随着数据丰富度的增加，模式的频次信息不能满足工业界的应用需求，因此面对复杂的数据类型和多样的属性信息，许多基于频繁模式挖掘的拓展研究被相继提出。其中，高效用序列模式挖掘是近年来重要的研究领域之一