在自動(dòng)駕駛領(lǐng)域，目標(biāo)檢測(cè)的抗干擾能力不足，已成為制約其發(fā)展的瓶頸問(wèn)題。這個(gè)問(wèn)題不解決，自動(dòng)駕駛的安全性就不能得到徹底的保障。因此，本書(shū)主要研究受腦啟發(fā)的高抗擾性目標(biāo)檢測(cè)技術(shù)，并在自動(dòng)駕駛車輛上應(yīng)用。
本書(shū)的主要內(nèi)容包括面向自動(dòng)駕駛目標(biāo)檢測(cè)技術(shù)概述、類腦目標(biāo)檢測(cè)技術(shù)國(guó)內(nèi)外研究狀況分析、面向自動(dòng)駕駛的目標(biāo)檢測(cè)模型訓(xùn)練與測(cè)試數(shù)據(jù)集的構(gòu)建、仿視覺(jué)皮層的目標(biāo)檢測(cè)網(wǎng)絡(luò)構(gòu)建、基于視覺(jué)注意原理的目標(biāo)檢測(cè)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(dòng)駕駛的目標(biāo)檢測(cè)數(shù)據(jù)集上的驗(yàn)證、類腦目標(biāo)檢測(cè)算法在自動(dòng)駕駛沙盤上的實(shí)現(xiàn)、基于自動(dòng)駕駛物流車的類腦目標(biāo)檢測(cè)演示驗(yàn)證、基于自動(dòng)駕駛車輛的高抗擾性目標(biāo)檢測(cè)演示驗(yàn)證。
本書(shū)的主要?jiǎng)?chuàng)新點(diǎn)是從生物體關(guān)鍵的高效感知機(jī)理出發(fā)，仿視覺(jué)感知皮層設(shè)計(jì)了一種高抗擾性、高精度的輕量化目標(biāo)檢測(cè)模型。同時(shí)，引入視覺(jué)注意機(jī)制，降低模型輸入中的干擾信息和冗余信息，聚焦主體目標(biāo)。
本書(shū)的主要讀者為自動(dòng)駕駛工程師、深度學(xué)習(xí)算法工程師、類腦計(jì)算的科研工作者，以及人工智能專業(yè)、計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)的研究生、博士生。
第1章 面向自動(dòng)駕駛目標(biāo)檢測(cè)技術(shù)概述 001
1.1 自動(dòng)駕駛蓬勃發(fā)展 002
1.1.1 什么是自動(dòng)駕駛 002
1.1.2 自動(dòng)駕駛等級(jí) 002
1.1.3 自動(dòng)駕駛發(fā)展?fàn)顩r概述 003
1.1.4 典型的自動(dòng)駕駛車輛 004
1.2 自動(dòng)駕駛車輛的環(huán)境感知 008
1.2.1 自動(dòng)駕駛車輛常用的傳感器 008
擴(kuò)展閱讀：自動(dòng)駕駛車輛挑戰(zhàn)賽與激光雷達(dá) 011
1.2.2 自動(dòng)駕駛車輛傳感器的布局 014
1.3 面向自動(dòng)駕駛的目標(biāo)檢測(cè)技術(shù) 016
1.3.1 什么是目標(biāo)檢測(cè)技術(shù) 016
1.3.2 目標(biāo)檢測(cè)技術(shù)的研究概述 018
1.3.3 傳統(tǒng)的基于特征的目標(biāo)檢測(cè)方法 018
1.3.4 基于深度學(xué)習(xí)的視覺(jué)目標(biāo)檢測(cè)研究狀況 019
1.3.5 目標(biāo)檢測(cè)技術(shù)在自動(dòng)駕駛中的應(yīng)用 024
1.3.6 面向自動(dòng)駕駛的目標(biāo)檢測(cè)技術(shù)存在的問(wèn)題 025
擴(kuò)展閱讀：趣談AI 對(duì)抗攻擊 027
第2章 類腦目標(biāo)檢測(cè)技術(shù)國(guó)內(nèi)外研究狀況分析 030
2.1 輕量化仿視覺(jué)皮層目標(biāo)檢測(cè)模型研究現(xiàn)狀 031
2.2 基于視覺(jué)注意機(jī)制的目標(biāo)檢測(cè)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(dòng)駕駛的目標(biāo)檢測(cè)模型訓(xùn)練與測(cè)試數(shù)據(jù)集的構(gòu)建 040
3.1 構(gòu)建面向自動(dòng)駕駛的目標(biāo)檢測(cè)模型訓(xùn)練與測(cè)試數(shù)據(jù)集的必要性 041
3.2 面向城市道路的自動(dòng)駕駛視覺(jué)目標(biāo)檢測(cè)數(shù)據(jù)集的構(gòu)建 042
3.3 噪聲干擾測(cè)試數(shù)據(jù)集構(gòu)建 047
3.4 面向城市道路的自動(dòng)駕駛視覺(jué)目標(biāo)檢測(cè)數(shù)據(jù)集特點(diǎn) 053
第4章 仿視覺(jué)皮層的目標(biāo)檢測(cè)網(wǎng)絡(luò)構(gòu)建 054
4.1 視覺(jué)皮層信息處理功能簡(jiǎn)介 055
4.2 受初級(jí)視覺(jué)皮層啟發(fā)的預(yù)處理模型構(gòu)建 055
4.3 性能對(duì)比結(jié)果分析 058
4.3.1 性能對(duì)比基準(zhǔn)模型介紹 058
4.3.2 基于COCO 數(shù)據(jù)集的性能評(píng)估 058
問(wèn)題點(diǎn)睛 060
第5章 基于視覺(jué)注意原理的目標(biāo)檢測(cè)網(wǎng)絡(luò)能力提升 062
5.1 人類視覺(jué)注意機(jī)制概述 063
5.2 坐標(biāo)注意力模塊構(gòu)建 064
5.3 基于注意機(jī)制的仿視覺(jué)皮層目標(biāo)檢測(cè)模型具體實(shí)現(xiàn) 066
5.4 性能對(duì)比結(jié)果分析 069
5.4.1 性能對(duì)比基準(zhǔn)模型介紹 069
5.4.2 在COCO 數(shù)據(jù)集下目標(biāo)檢測(cè)性能評(píng)估 070
5.4.3 在面向自動(dòng)駕駛目標(biāo)檢測(cè)數(shù)據(jù)集下的目標(biāo)檢測(cè)性能評(píng)估 071
5.4.4 面向自動(dòng)駕駛目標(biāo)檢測(cè)噪聲干擾測(cè)試數(shù)據(jù)集下的目標(biāo)檢測(cè)性能評(píng)估 072
問(wèn)題點(diǎn)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(shí)現(xiàn)過(guò)程 078
6.2.1 對(duì)類腦目標(biāo)檢測(cè)模型v1、v2 的壓縮與剪枝 078
6.2.2 對(duì)類腦目標(biāo)檢測(cè)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(biāo)檢測(cè)模型壓縮剪枝性能測(cè)試 084
6.4.2 在面向城市道路的自動(dòng)駕駛目標(biāo)檢測(cè)數(shù)據(jù)集下的性能測(cè)試 085
第7章 在面向自動(dòng)駕駛的目標(biāo)檢測(cè)數(shù)據(jù)集上的驗(yàn)證 087
7.1 在未添加干擾數(shù)據(jù)集上的驗(yàn)證 088
7.2 在添加干擾數(shù)據(jù)集上的驗(yàn)證 100
7.3 目標(biāo)檢測(cè)演示系統(tǒng)的構(gòu)建 132
第8章 類腦目標(biāo)檢測(cè)算法在自動(dòng)駕駛沙盤上的實(shí)現(xiàn) 137
8.1 面向自動(dòng)駕駛沙盤的構(gòu)建 138
8.2 面向自動(dòng)駕駛沙盤演示的自動(dòng)駕駛數(shù)據(jù)集的構(gòu)建及訓(xùn)練 140
8.3 在自動(dòng)駕駛沙盤上的演示驗(yàn)證 143
第9章 基于自動(dòng)駕駛物流車的類腦目標(biāo)檢測(cè)演示驗(yàn)證 150
9.1 自動(dòng)駕駛物流車驗(yàn)證的必要性 151
9.2 自動(dòng)駕駛物流車平臺(tái) 151
9.2.1 硬件平臺(tái) 151
9.2.2 驅(qū)動(dòng)與負(fù)載 152
9.2.3 核心硬件 152
9.2.4 自動(dòng)駕駛物流車的功能 154
9.3 類腦目標(biāo)檢測(cè)算法在自動(dòng)駕駛物流車上的演示驗(yàn)證 154
第10章 基于自動(dòng)駕駛車輛的高抗擾性目標(biāo)檢測(cè)演示驗(yàn)證 162
10.1 自動(dòng)駕駛車輛傳感器布局 163
10.2 自動(dòng)駕駛車輛軟件架構(gòu) 164
10.3 基于自動(dòng)駕駛車輛演示驗(yàn)證 165
10.4 主要?jiǎng)?chuàng)新性工作 172
參考文獻(xiàn) 173
新書(shū)資訊