深度学习与交通图像感知应用基础

第1 章 交通图像感知概论……………………………………………………………………… 1 1. 1 相关概念………………………………………………………………………………… 1 1. 2 交通图像感知的应用…………………………………………………………………… 6 第2 章 计算机编程基础……………………………………………………………………… 13 2. 1 编程语言发展概述……………………………………………………………………… 13 2. 2 Python 编程……………………………………………………………………………… 16 2. 3 PyTorch 框架…………………………………………………………………………… 33 第3 章 图像处理基础………………………………………………………………………… 55 3. 1 GUI 功能………………………………………………………………………………… 55 3. 2 核心操作………………………………………………………………………………… 57 3. 3 图像处理………………………………………………………………………………… 62 3. 4 特征检测和匹配………………………………………………………………………… 76 3. 5 相机校准与坐标系转换………………………………………………………………… 82 第4 章 神经网络与深度学习………………………………………………………………… 85 4. 1 概述……………………………………………………………………………………… 85 4. 2 神经网络………………………………………………………………………………… 85 4. 3 深度学习……………………………………………………………………………… 109 4. 4 编程实现……………………………………………………………………………… 110 第5 章 交通目标识别理论与方法…………………………………………………………… 123 5. 1 概述…………………………………………………………………………………… 123 5. 2 卷积神经网络组成和实现…………………………………………………………… 125 5. 3 典型卷积神经网络结构……………………………………………………………… 140 5. 4 Transformer 模型……………………………………………………………………… 156 5. 5 迁移学习……………………………………………………………………………… 180 第6 章 交通目标检测理论与方法…………………………………………………………… 185 6. 1 概述…………………………………………………………………………………… 185 6. 2 X-CNN 目标检测算法………………………………………………………………… 187 6. 3 YOLO 目标检测算法………………………………………………………………… 206 6. 4 SSD 目标检测算法…………………………………………………………………… 215 第7 章 交通目标轨迹跟踪理论与方法……………………………………………………… 225 7. 1 概述…………………………………………………………………………………… 225 7. 2 SORT 算法目标轨迹跟踪算法……………………………………………………… 238 7. 3 Deep SORT 算法目标轨迹跟踪算法………………………………………………… 241 第8 章 交通场景分割理论与方法…………………………………………………………… 253 8. 1 概述…………………………………………………………………………………… 253 8. 2 交通场景语义分割…………………………………………………………………… 253 8. 3 交通场景实例分割…………………………………………………………………… 260 第9 章 交通感知评价指标及预训练模型应用……………………………………………… 276 9. 1 评价指标……………………………………………………………………………… 276 9. 2 超参数调优…………………………………………………………………………… 278 9. 3 预训练模型…………………………………………………………………………… 283 9. 4 开源数据集…………………………………………………………………………… 290 参考文献………………………………………………………………………………………… 295