论文部分内容阅读
智能车辆的辅助驾驶系统对于周围环境的物体感知需快速且准确,在路况复杂、车速高的高速公路上要求则更加严格.传统的目标检测方法获取周围车况信息较少,且对于实时性检测有所欠缺.本文建立一种新型基于MobileNet-V2的SSD移动车辆实时检测与测距模型,利用深度可分离卷积结构在保持精度的同时减少网络参数的计算复杂度,加快检测速度;利用具有线性瓶颈的倒置残差结构保存更多的卷积特征,使得网络学习目标的深层次特征;用扩充的Pascal VOC2007数据集进行训练和评估,测试检测模型在复杂环境下的鲁棒性.利用