第1 章 交通圖像感知概論……………………………………………………………………… 1 1. 1 相關概念………………………………………………………………………………… 1 1. 2 交通圖像感知的應用…………………………………………………………………… 6 第2 章 計算機編程基礎……………………………………………………………………… 13 2. 1 編程語言發展概述……………………………………………………………………… 13 2. 2 Python 編程……………………………………………………………………………… 16 2. 3 PyTorch 框架…………………………………………………………………………… 33 第3 章 圖像處理基礎………………………………………………………………………… 55 3. 1 GUI 功能………………………………………………………………………………… 55 3. 2 核心操作………………………………………………………………………………… 57 3. 3 圖像處理………………………………………………………………………………… 62 3. 4 特征檢測和匹配………………………………………………………………………… 76 3. 5 相機校準與坐標系轉換………………………………………………………………… 82 第4 章 神經網絡與深度學習………………………………………………………………… 85 4. 1 概述……………………………………………………………………………………… 85 4. 2 神經網絡………………………………………………………………………………… 85 4. 3 深度學習……………………………………………………………………………… 109 4. 4 編程實現……………………………………………………………………………… 110 第5 章 交通目標識別理論與方法…………………………………………………………… 123 5. 1 概述…………………………………………………………………………………… 123 5. 2 卷積神經網絡組成和實現…………………………………………………………… 125 5. 3 典型卷積神經網絡結構……………………………………………………………… 140 5. 4 Transformer 模型……………………………………………………………………… 156 5. 5 遷移學習……………………………………………………………………………… 180 第6 章 交通目標檢測理論與方法…………………………………………………………… 185 6. 1 概述…………………………………………………………………………………… 185 6. 2 X-CNN 目標檢測算法………………………………………………………………… 187 6. 3 YOLO 目標檢測算法………………………………………………………………… 206 6. 4 SSD 目標檢測算法…………………………………………………………………… 215 第7 章 交通目標軌跡跟蹤理論與方法……………………………………………………… 225 7. 1 概述…………………………………………………………………………………… 225 7. 2 SORT 算法目標軌跡跟蹤算法……………………………………………………… 238 7. 3 Deep SORT 算法目標軌跡跟蹤算法………………………………………………… 241 第8 章 交通場景分割理論與方法…………………………………………………………… 253 8. 1 概述…………………………………………………………………………………… 253 8. 2 交通場景語義分割…………………………………………………………………… 253 8. 3 交通場景實例分割…………………………………………………………………… 260 第9 章 交通感知評價指標及預訓練模型應用……………………………………………… 276 9. 1 評價指標……………………………………………………………………………… 276 9. 2 超參數調優…………………………………………………………………………… 278 9. 3 預訓練模型…………………………………………………………………………… 283 9. 4 開源數據集…………………………………………………………………………… 290 參考文獻………………………………………………………………………………………… 295