在自動駕駛領(lǐng)域，目標檢測的抗干擾能力不足，已成為制約其發(fā)展的瓶頸問題。這個問題不解決，自動駕駛的安全性就不能得到徹底的保障。因此，本書主要研究受腦啟發(fā)的高抗擾性目標檢測技術(shù)，并在自動駕駛車輛上應(yīng)用。
本書的主要內(nèi)容包括面向自動駕駛目標檢測技術(shù)概述、類腦目標檢測技術(shù)國內(nèi)外研究狀況分析、面向自動駕駛的目標檢測模型訓(xùn)練與測試數(shù)據(jù)集的構(gòu)建、仿視覺皮層的目標檢測網(wǎng)絡(luò)構(gòu)建、基于視覺注意原理的目標檢測網(wǎng)絡(luò)能力提升、基于神經(jīng)元稀疏特性的模型壓縮與剪枝技術(shù)、在面向自動駕駛的目標檢測數(shù)據(jù)集上的驗證、類腦目標檢測算法在自動駕駛沙盤上的實現(xiàn)、基于自動駕駛物流車的類腦目標檢測演示驗證、基于自動駕駛車輛的高抗擾性目標檢測演示驗證。
本書的主要創(chuàng)新點是從生物體關(guān)鍵的高效感知機理出發(fā)，仿視覺感知皮層設(shè)計了一種高抗擾性、高精度的輕量化目標檢測模型。同時，引入視覺注意機制，降低模型輸入中的干擾信息和冗余信息，聚焦主體目標。
本書的主要讀者為自動駕駛工程師、深度學(xué)習(xí)算法工程師、類腦計算的科研工作者，以及人工智能專業(yè)、計算機科學(xué)與技術(shù)專業(yè)的研究生、博士生。
第1章 面向自動駕駛目標檢測技術(shù)概述 001
1.1 自動駕駛蓬勃發(fā)展 002
1.1.1 什么是自動駕駛 002
1.1.2 自動駕駛等級 002
1.1.3 自動駕駛發(fā)展狀況概述 003
1.1.4 典型的自動駕駛車輛 004
1.2 自動駕駛車輛的環(huán)境感知 008
1.2.1 自動駕駛車輛常用的傳感器 008
擴展閱讀：自動駕駛車輛挑戰(zhàn)賽與激光雷達 011
1.2.2 自動駕駛車輛傳感器的布局 014
1.3 面向自動駕駛的目標檢測技術(shù) 016
1.3.1 什么是目標檢測技術(shù) 016
1.3.2 目標檢測技術(shù)的研究概述 018
1.3.3 傳統(tǒng)的基于特征的目標檢測方法 018
1.3.4 基于深度學(xué)習(xí)的視覺目標檢測研究狀況 019
1.3.5 目標檢測技術(shù)在自動駕駛中的應(yīng)用 024
1.3.6 面向自動駕駛的目標檢測技術(shù)存在的問題 025
擴展閱讀：趣談AI 對抗攻擊 027
第2章 類腦目標檢測技術(shù)國內(nèi)外研究狀況分析 030
2.1 輕量化仿視覺皮層目標檢測模型研究現(xiàn)狀 031
2.2 基于視覺注意機制的目標檢測研究現(xiàn)狀 033
2.3 基于神經(jīng)元稀疏性的模型壓縮研究現(xiàn)狀 037
第3章 面向自動駕駛的目標檢測模型訓(xùn)練與測試數(shù)據(jù)集的構(gòu)建 040
3.1 構(gòu)建面向自動駕駛的目標檢測模型訓(xùn)練與測試數(shù)據(jù)集的必要性 041
3.2 面向城市道路的自動駕駛視覺目標檢測數(shù)據(jù)集的構(gòu)建 042
3.3 噪聲干擾測試數(shù)據(jù)集構(gòu)建 047
3.4 面向城市道路的自動駕駛視覺目標檢測數(shù)據(jù)集特點 053
第4章 仿視覺皮層的目標檢測網(wǎng)絡(luò)構(gòu)建 054
4.1 視覺皮層信息處理功能簡介 055
4.2 受初級視覺皮層啟發(fā)的預(yù)處理模型構(gòu)建 055
4.3 性能對比結(jié)果分析 058
4.3.1 性能對比基準模型介紹 058
4.3.2 基于COCO 數(shù)據(jù)集的性能評估 058
問題點睛 060
第5章 基于視覺注意原理的目標檢測網(wǎng)絡(luò)能力提升 062
5.1 人類視覺注意機制概述 063
5.2 坐標注意力模塊構(gòu)建 064
5.3 基于注意機制的仿視覺皮層目標檢測模型具體實現(xiàn) 066
5.4 性能對比結(jié)果分析 069
5.4.1 性能對比基準模型介紹 069
5.4.2 在COCO 數(shù)據(jù)集下目標檢測性能評估 070
5.4.3 在面向自動駕駛目標檢測數(shù)據(jù)集下的目標檢測性能評估 071
5.4.4 面向自動駕駛目標檢測噪聲干擾測試數(shù)據(jù)集下的目標檢測性能評估 072
問題點睛 075
第6章 基于神經(jīng)元稀疏特性的模型壓縮與剪枝技術(shù) 076
6.1 壓縮剪枝的總體思路 077
6.2 具體實現(xiàn)過程 078
6.2.1 對類腦目標檢測模型v1、v2 的壓縮與剪枝 078
6.2.2 對類腦目標檢測模型v3、v4 的壓縮與剪枝 079
6.3 壓縮剪枝后的網(wǎng)絡(luò)模型 080
6.4 壓縮剪枝后的模型性能結(jié)果分析 084
6.4.1 在COCO 數(shù)據(jù)集下類腦目標檢測模型壓縮剪枝性能測試 084
6.4.2 在面向城市道路的自動駕駛目標檢測數(shù)據(jù)集下的性能測試 085
第7章 在面向自動駕駛的目標檢測數(shù)據(jù)集上的驗證 087
7.1 在未添加干擾數(shù)據(jù)集上的驗證 088
7.2 在添加干擾數(shù)據(jù)集上的驗證 100
7.3 目標檢測演示系統(tǒng)的構(gòu)建 132
第8章 類腦目標檢測算法在自動駕駛沙盤上的實現(xiàn) 137
8.1 面向自動駕駛沙盤的構(gòu)建 138
8.2 面向自動駕駛沙盤演示的自動駕駛數(shù)據(jù)集的構(gòu)建及訓(xùn)練 140
8.3 在自動駕駛沙盤上的演示驗證 143
第9章 基于自動駕駛物流車的類腦目標檢測演示驗證 150
9.1 自動駕駛物流車驗證的必要性 151
9.2 自動駕駛物流車平臺 151
9.2.1 硬件平臺 151
9.2.2 驅(qū)動與負載 152
9.2.3 核心硬件 152
9.2.4 自動駕駛物流車的功能 154
9.3 類腦目標檢測算法在自動駕駛物流車上的演示驗證 154
第10章 基于自動駕駛車輛的高抗擾性目標檢測演示驗證 162
10.1 自動駕駛車輛傳感器布局 163
10.2 自動駕駛車輛軟件架構(gòu) 164
10.3 基于自動駕駛車輛演示驗證 165
10.4 主要創(chuàng)新性工作 172
參考文獻 173
書單推薦
