3 基于深度学习的车辆检测算法9 

3。1 算法框架 9

3。2 提取对象 proposal  的方法10 

3。2。1 Selective  Search 方法10 

3。2。2Edge  Box 方法 11

3。2。33D  对象 proposal 方法 11

3。3 深度卷积网络模型 13

3。4 车辆检测算法14 

4 实验结果和分析 15

4。1     实验数据集15 

4。2 实验设置16 

4。2。1 实验流程 16

4。2。2 实验环境16 

4。3 实验结果 17

5 总结与展望 20

5。1 全文总结 20

5。2 未来展望 20

致谢 21

参考文献 22

本科毕业设计说明书 第 II 页

1 引言

1。1 课题研究的背景和意义

自从 20 世纪 80 年代以来，机器学习在各个方面都有着快速的发展。深度学习是机器学 习领域一个重要的学科。它是一种机器学习的算法，包含有多个隐藏层的多层感知器。在互 联网大数据时代，掀起了一股人工智能与互联网相结合的热潮。深度学习可以建立一个层次 的结构，从而可以对数据进行分层的提取，进而更好地建立语义和文本映射关系。近年来， 全球多个机构都在进行深度学习的研究，在图像、自然语言、语音、文本等方面都着显著的 成就。 文献综述

本课题就是利用深度学习进行场景中车辆检测。这是基于图像的一个深度学习研究，它 能够定位图片中的车辆位置。不论是生活中、还是研究学习中，总是有着各种关于车辆的问 题。例如：轨迹预测、检测、分类等。通过该课题的研究学习，一方面可以给自主驾驶研究 做出一些贡献，另一方面可以促进学术进步。深度学习有着很大的作用，利用它，可以把车 辆检测问题处理得很好。深度学习是机器学习领域最近兴起的一个重要学科，它的强大的生 命力在未来的十年都将有着很大的意义。 

1。2 国内外研究的现状

 1。3 车辆检测存在的问题

车辆检测问题一直都有三个方面的问题：(1)图像中物体的尺寸很小; (2)图像中物体的遮 挡率高; (3)图像中物体被截断。除了这些问题之外，还有一些不是所有数据集都共有的问题。 例如：图像曝光率、图像中场景复杂度和图像的数量等。

本文通过对提取图像中的对象 proposal 方法的优化，和设计一个效率更高的深度卷积网 络模型来处理车辆检测问题。第二章阐述深度学习的发展和现状，以及一些常用的深度学习 网络模型；第三章说明设计的一个对象检测框架和其中用到的提取对象 proposal 的方法；第 四章是一个数据集上的验证实验，详细说明了数据集的数据结构和实验的具体流程和实验结 果，并且客观的分析了实验的结果；第五章总结全文和展望未来。