欢迎来到天天文库
浏览记录
ID:35067312
大小:5.20 MB
页数:76页
时间:2019-03-17
《基于深度学习和强化学习的车辆定位与识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、朵击如成A著UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA硕±学位论文IMASTERTHESIS.磅I震與着妳々禪郷馈沪论文题目基于深度学习和强化学习的车辆定位与识别学科专化控制科学与工程学号201321070528作者姓名T乐乐指昔教师孟瓣成副教授I独剑性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,膝
2、了文中特别加W标注和致谢的地方夕h论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表不谢意。作者签名:日期:知年处0/了乐(^'乐、论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定,有权保留并向国家有关部口或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权电子科技大学可将学位论文的全部或部分内容编入有关数据库进
3、行检索,可W采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后应遵守此规)定;至紐坤者签名:导名作师签乐了乐:年2日期日月#今分类号密级注1UDC学位论文基于深度学习和强化学习的车辆定位与识别(题名和副题名)丁乐乐(作者姓名)指导教师孟继成副教授电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士学科专业控制科学与工程提交论文日期2016.04.28论文答辩日期2016.05.17学位授予单位和日期电子科技大学2016年06月日答辩委员会主席评阅人注1:注明《国际十进分
4、类法UDC》的类号。VEHICLELOCATIONANDIDENTIFICATIONBASEDONDEEPLEARNINGANDREINFORCEMENTLEARNINGAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ControlScienceandEngineeringAuthor:DingLeleAdvisor:AssociateProfessorMengJichengSchool:SchoolofAutom
5、ationEngineering摘要摘要车辆的定位与识别技术是智能交通中的一个关键技术,是目标车辆搜寻、车辆速度监控、车辆跟踪的必要前提。本文主要研究对于静态图片如何将深度学习与强化学习理论应用到车辆的定位与识别中,其识别的范围是判别图像中是否有车以及属于小汽车、大巴车、卡车三类中的哪一类。针对定位,使用了金字塔图像扫描时预识别出车辆并保存的位置信息,最终在识别窗口进行合并处理时定位到车辆。本文的主要内容为:首先,分析了深度学习中两个主要的网络模型:卷积神经网络以及深度信念网络。介绍了两个网络模型的结构以及原理,详细分析了
6、两种模型的训练算法:梯度下降法和逐层贪婪算法。将两种模型用于车辆识别的仿真实验,实验结果表明深度神经网络在车辆识别上要好于传统的浅层网络,更进一步证明了卷积神经网络在本文车辆数据库上的识别性能优于深度信念网络。其次,引入强化学习思想到卷积神经网络中。将卷积神经网络与强化学习结合的模型应用到车辆识别中,分析了其理论基础以及Q-学习算法。鉴于Q-学习的核心在于Agent的动作选择策略,提出将车辆类别映射为动作,以此用基于动作选择的评估Q值来代替卷积神经网络中基于实际输出与期望输出的梯度后向传播训练深度神经网络。为解决卷积神经网
7、络在训练的末尾阶段由于被错误分类的样本所占比例较小,导致对网络权值更新调整影响力较小的问题,引入基于错分样本动态调整训练集的强化学习策略。实验结果表明引入的强化学习策略可以有效的提高车辆识别的性能,并有利于网络的训练。最后,基于上述理论以及实验,设计实现了一个车辆定位与识别的实用系统。系统提供人机交互界面、深度网络的训练与测试、车辆的定位与识别等功能,并采用了多线程处理技术。测试结果表明系统能较好的识别出道路环境下小汽车、大巴车、卡车,能满足设计的需求。关键词:车辆定位与识别,深度学习,强化学习,卷积神经网络IABSTRA
8、CTABSTRACTThetechnologyofvehiclelocationandidentificationisaoneofthekeytechnologyinintelligenttransportationsystem.Itistheessentialprerequisiteofthetarg
此文档下载收益归作者所有