舉報

會員
自動駕駛:感知原理與實踐
最新章節(jié):
封底
本書是一本系統(tǒng)講解自動駕駛感知技術的圖書,同時帶有具體的自動駕駛實踐案例,以及自動駕駛感知技術的落地部署方案供讀者學習。本書主要涉及的內容包括神經網絡的基礎理論知識、經典卷積神經網絡、輕量化卷積神經網絡、VisionTransformer、2D目標檢測算法(YOLOv5、YOLOX、YOLOv5Lite、NanoDet等算法)、3D激光點云目標檢測算法、BEVFormer純視覺的3D目標檢測算法、語義分割、車道線檢測、ReID相關技術、多目標跟蹤及部署落地的相關技術(如CUDA、OpenCV、NCNN、TensorRT等)。為了讓讀者全面、深入、透徹地理解所講解的算法,書中還給出了具體的實踐案例,并提供了相應的數據集供讀者實踐,同時通過對代碼的講解使讀者獲得實戰(zhàn)能力。
目錄(122章)
倒序
- 封面
- 版權信息
- 作者簡介
- 內容簡介
- 前言
- 第1章 計算機視覺與神經網絡
- 1.1 人工神經網絡
- 1.1.1 感知機
- 1.1.2 神經網絡
- 1.2 卷積神經網絡
- 1.2.1 卷積
- 1.2.2 激活函數
- 1.2.3 池化層
- 1.2.4 全連接層
- 1.3 經典卷積神經網絡
- 1.3.1 AlexNet
- 1.3.2 VGG
- 1.3.3 GoogLeNet
- 1.3.4 ResNet
- 1.3.5 DarkNet
- 1.3.6 CSPDarkNet
- 1.4 輕量化卷積神經網絡
- 1.4.1 MobileNet
- 1.4.2 ShuffleNet
- 1.4.3 GhostNet
- 1.5 Vision Transformer在計算機視覺中的應用
- 1.5.1 ViT
- 1.5.2 Swin Transformer
- 1.5.3 MobileViT
- 1.5.4 TRT-ViT
- 1.5.5 基于ResNet/MobileViT的交通標識牌識別項目實踐
- 1.6 本章小結
- 第2章 目標檢測在自動駕駛中的應用
- 2.1 目標檢測簡介
- 2.1.1 相關工作簡介
- 2.1.2 兩階段目標檢測算法簡介
- 2.1.3 單階段目標檢測算法簡介
- 2.2 自動駕駛中的車輛檢測
- 2.2.1 BDD100K數據集簡介
- 2.2.2 YOLOv5算法的原理
- 2.2.3 基于YOLOv5的車輛檢測項目實踐
- 2.3 自動駕駛中的行人檢測
- 2.3.1 YOLOX算法的原理
- 2.3.2 基于YOLOX的行人檢測項目實踐
- 2.4 自動駕駛中的交通標識牌檢測
- 2.4.1 NanoDet算法的原理
- 2.4.2 基于NanoDet的交通標識牌檢測項目實踐
- 2.5 自動駕駛中的交通信號燈的檢測與識別
- 2.5.1 YOLOv5-Lite算法的原理
- 2.5.2 基于YOLOv5-Lite的交通信號燈檢測項目實踐
- 2.6 3D目標檢測
- 2.6.1 PointPillars
- 2.6.2 BEVFormer
- 2.6.3 基于OpenPCDet的3D目標檢測項目實踐
- 2.7 本章小結
- 第3章 語義分割在自動駕駛中的應用
- 3.1 STDC算法的原理
- 3.1.1 STDC模塊
- 3.1.2 STDC語義分割網絡
- 3.2 TopFormer算法的原理
- 3.2.1 Token Pyramid Module
- 3.2.2 Scale-Aware Semantics Extractor
- 3.2.3 Semantics Injection Module
- 3.2.4 Segmentation Head
- 3.3 基于TopFormer的可行駛區(qū)域分割項目實踐
- 3.3.1 Cityscapes數據集簡介
- 3.3.2 TopFormer模型實現
- 3.4 本章小結
- 第4章 車道線檢測與分割
- 4.1 UNet算法的原理
- 4.2 LaneATT算法的原理
- 4.2.1 Lane的Anchor表征
- 4.2.2 基于Anchor的特征圖池化
- 4.2.3 局部注意力機制
- 4.2.4 Proposal預測
- 4.2.5 后處理
- 4.3 基于LaneATT的車道線檢測實踐
- 4.3.1 CULane數據集介紹
- 4.3.2 LaneATT實踐
- 4.4 本章小結
- 第5章 多目標跟蹤在自動駕駛中的應用
- 5.1 多目標跟蹤算法SORT的原理
- 5.2 多目標跟蹤算法DeepSORT的原理
- 5.2.1 級聯匹配
- 5.2.2 ReID特征提取
- 5.3 多目標跟蹤算法ByteTrack的原理
- 5.4 基于ByteTrack的多目標跟蹤項目實踐
- 5.4.1 MOT16數據集
- 5.4.2 Byte匹配
- 5.5 本章小結
- 第6章 深度學習模型的落地和部署
- 6.1 常見模型部署框架介紹
- 6.1.1 TensorRT
- 6.1.2 NCNN
- 6.1.3 ONNX
- 6.2 OpenCV圖像處理操作
- 6.2.1 OpenCV基本操作
- 6.2.2 使用OpenCV進行圖像預處理
- 6.3 GPU編程工具之CUDA
- 6.3.1 CUDA編程模型
- 6.3.2 CUDA線程組織
- 6.3.3 CUDA內存組織
- 6.3.4 GPU硬件組織結構
- 6.3.5 CUDA流
- 6.4 模型框架之TensorRT
- 6.4.1 使用TensorRT API搭建網絡結構
- 6.4.2 從ONNX文件中導入網絡結構定義
- 6.4.3 TensorRT推理引擎的序列化與反序列化
- 6.4.4 TensorRT的推理
- 6.4.5 INT8量化
- 6.4.6 TensorRT的插件開發(fā)
- 6.5 TensorRT模型部署實例
- 6.5.1 使用OpenCV進行前處理
- 6.5.2 使用CUDA加速前處理
- 6.5.3 使用TensorRT對YOLOv5進行推理加速
- 6.5.4 YOLOv5的CPU和CUDA后處理
- 6.6 NCNN模型部署
- 6.6.1 NCNN部署流程
- 6.6.2 使用NCNN部署NanoDet
- 6.7 本章小結
- 參考文獻
- 封底 更新時間:2023-09-07 19:27:15
推薦閱讀
- 汽車常見故障診斷與排除速查手冊
- 汽車自動變速器拆裝與檢修
- HXN3型內燃機車運用與操縱
- 城市軌道交通專業(yè)英語(第二版)
- 從零起步輕松學電動自行車養(yǎng)護與修理問答(第2版)
- 鐵路運輸主要工種考前自測:電力線路工、軌道車司機、汽車司機、內燃鉗工
- 鐵道機車專業(yè)(機車運用)基礎知識與規(guī)章導讀
- 機械制圖(機械類專業(yè))(第2版)
- 鐵路客運服務禮儀
- 鐵路基礎設施與環(huán)境監(jiān)測系統(tǒng)專用WSN資源管理優(yōu)化
- 起重運輸機金屬結構(第二版)
- 手把手教您學修雙離合與電控機械式自動變速器
- 大跨單層網殼鋼結構穹頂施工綜合技術
- 新編學修新款電動自行車與三輪車
- 山區(qū)高速公路邊坡植被恢復技術及質量評價
- 汽車數據流分析與故障診斷
- 汽車防盜及中控門鎖系統(tǒng)維修方法精講
- 汽車車身連接技術與附屬設備
- 車務技術管理與設備管理
- 電工作業(yè)
- 防御性駕駛全攻略
- 汽車自動變速器原理與檢修(第2版)
- 電動汽車動力系統(tǒng)安全性設計與工程應用
- 奧迪系列轎車電子控制系統(tǒng)原理與檢修精華
- 新款進口轎車正時速查手冊
- 高速鐵路車站值班員(信號員)
- 汽車發(fā)動機電腦控制系統(tǒng)故障與維修(第2版)
- 高速公路服務區(qū)發(fā)展模式研究
- 汽車檢測與故障診斷200問
- 汽車機械基礎