中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
自動駕駛:感知原理與實踐 版權信息
- ISBN：9787121457388
- 條形碼：9787121457388 ; 978-7-121-45738-8
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
自動駕駛:感知原理與實踐 本書特色
多位自動駕駛相關領域資深工程師傾力打造；多位自動駕駛相關領域教授、專家聯合力薦; 從理論到實踐，詳細介紹自動駕駛算法與落地實踐。主要內容包括： .計算機視覺與神經網絡 .目標檢測在自動駕駛中的應用 .語義分割在自動駕駛中的應用 .車道檢測與分割 .多目標跟蹤在自動駕駛中的應用 .深度學習模型的落地與部署
自動駕駛:感知原理與實踐 內容簡介
本書是一本系統講解自動駕駛感知技術的圖書，同時帶有具體的自動駕駛實踐案例，以及自動駕駛感知技術的落地部署方案供讀者學習。本書主要涉及的內容包括神經網絡的基礎理論知識、經典卷積神經網絡、輕量化卷積神經網絡、Vision Transformer、2D目標檢測算法（YOLOv5、YOLOX、YOLOv5 Lite、NanoDet等算法）、3D激光點云目標檢測算法、BEVFormer純視覺的3D目標檢測算法、語義分割、車道線檢測、ReID相關技術、多目標跟蹤及部署落地的相關技術（如CUDA、OpenCV、NCNN、TensorRT等）。為了讓讀者全面、深入、透徹地理解所講解的算法，書中還給出了具體的實踐案例，并提供了相應的數據集供讀者實踐，同時通過對代碼的講解使讀者獲得實戰能力。
自動駕駛:感知原理與實踐 目錄
第1章 計算機視覺與神經網絡 1
1.1 人工神經網絡 1
1.1.1 感知機 2
1.1.2 神經網絡 2
1.2 卷積神經網絡 4
1.2.1 卷積 4
1.2.2 激活函數 5
1.2.3 池化層 6
1.2.4 全連接層 6
1.3 經典卷積神經網絡 7
1.3.1 AlexNet 7
1.3.2 VGG 8
1.3.3 GoogLeNet 9
1.3.4 ResNet 11
1.3.5 DarkNet 14
1.3.6 CSPDarkNet 16
1.4 輕量化卷積神經網絡 18
1.4.1 MobileNet 18
1.4.2 ShuffleNet 22
1.4.3 GhostNet 25
1.5 Vision Transformer在計算機視覺中的應用 27
1.5.1 ViT 27
1.5.2 Swin Transformer 30
1.5.3 MobileViT 34
1.5.4 TRT-ViT 36
1.5.5 基于ResNet/MobileViT的交通標識牌識別項目實踐 38
1.6 本章小結 55
第2章 目標檢測在自動駕駛中的應用 56
2.1 目標檢測簡介 56
2.1.1 相關工作簡介 56
2.1.2 兩階段目標檢測算法簡介 57
2.1.3 單階段目標檢測算法簡介 62
2.2 自動駕駛中的車輛檢測 66
2.2.1 BDD100K數據集簡介 66
2.2.2 YOLOv5算法的原理 67
2.2.3 基于YOLOv5的車輛檢測項目實踐 74
2.3 自動駕駛中的行人檢測 81
2.3.1 YOLOX算法的原理 81
2.3.2 基于YOLOX的行人檢測項目實踐 90
2.4 自動駕駛中的交通標識牌檢測 104
2.4.1 NanoDet算法的原理 104
2.4.2 基于NanoDet的交通標識牌檢測項目實踐 110
2.5 自動駕駛中的交通信號燈的檢測與識別 125
2.5.1 YOLOv5 Lite算法的原理 125
2.5.2 基于YOLOv5 Lite的交通信號燈檢測項目實踐 128
2.6 3D目標檢測 131
2.6.1 PointPillars 132
2.6.2 BEVFormer 136
2.6.3 基于OpenPCDet的3D目標檢測項目實踐 139
2.7 本章小結 153?
第3章 語義分割在自動駕駛中的應用 154
3.1 STDC算法的原理 155
3.1.1 STDC模塊 155
3.1.2 STDC語義分割網絡 157
3.2 TopFormer算法的原理 160
3.2.1 Token Pyramid Module 161
3.2.2 Scale-Aware Semantics Extractor 162
3.2.3 Semantics Injection Module 162
3.2.4 Segmentation Head 163
3.3 基于TopFormer的可行駛區域分割項目實踐 163
3.3.1 Cityscapes數據集簡介 163
3.3.2 TopFormer模型實現 164
3.4 本章小結 172
第4章 車道線檢測與分割 173
4.1 UNet算法的原理 174
4.2 LaneATT算法的原理 176
4.2.1 Lane的Anchor表征 177
4.2.2 基于Anchor的特征圖池化 177
4.2.3 局部注意力機制 178
4.2.4 Proposal預測 179
4.2.5 后處理 179
4.3 基于LaneATT的車道線檢測實踐 180
4.3.1 CULane數據集介紹 180
4.3.2 LaneATT實踐 180
4.4 本章小結 186
第5章 多目標跟蹤在自動駕駛中的應用 187
5.1 多目標跟蹤算法SORT的原理 187
5.2 多目標跟蹤算法DeepSORT的原理 192
5.2.1 級聯匹配 192
5.2.2 ReID特征提取 193
5.3 多目標跟蹤算法ByteTrack的原理 194
5.4 基于ByteTrack的多目標跟蹤項目實踐 196
5.4.1 MOT16數據集 196
5.4.2 Byte匹配 197
5.5 本章小結 202
第6章 深度學習模型的落地和部署 203
6.1 常見模型部署框架介紹 203
6.1.1 TensorRT 204
6.1.2 NCNN 206
6.1.3 ONNX 206
6.2 OpenCV圖像處理操作 207
6.2.1 OpenCV基本操作 207
6.2.2 使用OpenCV 進行圖像預處理 212
6.3 GPU編程工具之CUDA 216
6.3.1 CUDA 編程模型 217
6.3.2 CUDA 線程組織 223
6.3.3 CUDA 內存組織 239
6.3.4 GPU 硬件組織結構 242
6.3.5 CUDA流 245
6.4 模型部署框架之TensorRT 249
6.4.1 使用TensorRT API搭建網絡結構 250
6.4.2 從ONNX文件中導入網絡結構定義 253
6.4.3 TensorRT推理引擎的序列化與反序列化 254
6.4.4 TensorRT的推理 257
6.4.5 INT8量化 259
6.4.6 TensorRT的插件開發 261
6.5 TensorRT 模型部署實例 263
6.5.1 使用 OpenCV 進行前處理 264
6.5.2 使用CUDA加速前處理 265
6.5.3 執行推理操作 268
6.5.4 后處理 270
6.6 NCNN模型部署 273
6.6.1 NCNN部署流程 273
6.6.2 使用NCNN部署NanoDet 276
6.7 本章小結 284
參考文獻 285
1.1 人工神經網絡 1
1.1.1 感知機 2
1.1.2 神經網絡 2
1.2 卷積神經網絡 4
1.2.1 卷積 4
1.2.2 激活函數 5
1.2.3 池化層 6
1.2.4 全連接層 6
1.3 經典卷積神經網絡 7
1.3.1 AlexNet 7
1.3.2 VGG 8
1.3.3 GoogLeNet 9
1.3.4 ResNet 11
1.3.5 DarkNet 14
1.3.6 CSPDarkNet 16
1.4 輕量化卷積神經網絡 18
1.4.1 MobileNet 18
1.4.2 ShuffleNet 22
1.4.3 GhostNet 25
1.5 Vision Transformer在計算機視覺中的應用 27
1.5.1 ViT 27
1.5.2 Swin Transformer 30
1.5.3 MobileViT 34
1.5.4 TRT-ViT 36
1.5.5 基于ResNet/MobileViT的交通標識牌識別項目實踐 38
1.6 本章小結 55
第2章 目標檢測在自動駕駛中的應用 56
2.1 目標檢測簡介 56
2.1.1 相關工作簡介 56
2.1.2 兩階段目標檢測算法簡介 57
2.1.3 單階段目標檢測算法簡介 62
2.2 自動駕駛中的車輛檢測 66
2.2.1 BDD100K數據集簡介 66
2.2.2 YOLOv5算法的原理 67
2.2.3 基于YOLOv5的車輛檢測項目實踐 74
2.3 自動駕駛中的行人檢測 81
2.3.1 YOLOX算法的原理 81
2.3.2 基于YOLOX的行人檢測項目實踐 90
2.4 自動駕駛中的交通標識牌檢測 104
2.4.1 NanoDet算法的原理 104
2.4.2 基于NanoDet的交通標識牌檢測項目實踐 110
2.5 自動駕駛中的交通信號燈的檢測與識別 125
2.5.1 YOLOv5 Lite算法的原理 125
2.5.2 基于YOLOv5 Lite的交通信號燈檢測項目實踐 128
2.6 3D目標檢測 131
2.6.1 PointPillars 132
2.6.2 BEVFormer 136
2.6.3 基于OpenPCDet的3D目標檢測項目實踐 139
2.7 本章小結 153?
第3章 語義分割在自動駕駛中的應用 154
3.1 STDC算法的原理 155
3.1.1 STDC模塊 155
3.1.2 STDC語義分割網絡 157
3.2 TopFormer算法的原理 160
3.2.1 Token Pyramid Module 161
3.2.2 Scale-Aware Semantics Extractor 162
3.2.3 Semantics Injection Module 162
3.2.4 Segmentation Head 163
3.3 基于TopFormer的可行駛區域分割項目實踐 163
3.3.1 Cityscapes數據集簡介 163
3.3.2 TopFormer模型實現 164
3.4 本章小結 172
第4章 車道線檢測與分割 173
4.1 UNet算法的原理 174
4.2 LaneATT算法的原理 176
4.2.1 Lane的Anchor表征 177
4.2.2 基于Anchor的特征圖池化 177
4.2.3 局部注意力機制 178
4.2.4 Proposal預測 179
4.2.5 后處理 179
4.3 基于LaneATT的車道線檢測實踐 180
4.3.1 CULane數據集介紹 180
4.3.2 LaneATT實踐 180
4.4 本章小結 186
第5章 多目標跟蹤在自動駕駛中的應用 187
5.1 多目標跟蹤算法SORT的原理 187
5.2 多目標跟蹤算法DeepSORT的原理 192
5.2.1 級聯匹配 192
5.2.2 ReID特征提取 193
5.3 多目標跟蹤算法ByteTrack的原理 194
5.4 基于ByteTrack的多目標跟蹤項目實踐 196
5.4.1 MOT16數據集 196
5.4.2 Byte匹配 197
5.5 本章小結 202
第6章 深度學習模型的落地和部署 203
6.1 常見模型部署框架介紹 203
6.1.1 TensorRT 204
6.1.2 NCNN 206
6.1.3 ONNX 206
6.2 OpenCV圖像處理操作 207
6.2.1 OpenCV基本操作 207
6.2.2 使用OpenCV 進行圖像預處理 212
6.3 GPU編程工具之CUDA 216
6.3.1 CUDA 編程模型 217
6.3.2 CUDA 線程組織 223
6.3.3 CUDA 內存組織 239
6.3.4 GPU 硬件組織結構 242
6.3.5 CUDA流 245
6.4 模型部署框架之TensorRT 249
6.4.1 使用TensorRT API搭建網絡結構 250
6.4.2 從ONNX文件中導入網絡結構定義 253
6.4.3 TensorRT推理引擎的序列化與反序列化 254
6.4.4 TensorRT的推理 257
6.4.5 INT8量化 259
6.4.6 TensorRT的插件開發 261
6.5 TensorRT 模型部署實例 263
6.5.1 使用 OpenCV 進行前處理 264
6.5.2 使用CUDA加速前處理 265
6.5.3 執行推理操作 268
6.5.4 后處理 270
6.6 NCNN模型部署 273
6.6.1 NCNN部署流程 273
6.6.2 使用NCNN部署NanoDet 276
6.7 本章小結 284
參考文獻 285
展開全部
自動駕駛:感知原理與實踐 相關資料
本書是一本系統介紹自動駕駛感知技術的圖書：從基礎的神經網絡開始，展開至自動駕駛感知領域的下游任務，包括目標檢測、語義分割、車道線檢測與分割、多目標跟蹤等主流算法。此外，還就深度學習模型的落地和部署中的常用工具與關鍵問題進行了總結。無論是計算機專業的在校研究生，還是在職的自動駕駛算法工程師，本書對他們來說，都是一本非常值得閱讀的參考書。 ——中國計量大學副教授 王桂榮 自動駕駛作為人工智能實現場景落地非常重要的方向之一，受到越來越多技術工作者的關注。但苦于它的技術路線眾多，涉及的知識繁雜，技術工作者多束手無策以致畏葸不前。本書深入淺出地講解了自動駕駛系統中非常重要的感知部分，既涉及先進的算法理論，又不失實戰案例。通讀全書不難發現，本書作者在圖像領域及自動駕駛行業經過多年的歷練，更難得的是，作者巧妙地將碎片化的知識點系統化地串聯其中，為讀者清晰地梳理了一幅自動駕駛感知的知識長卷。 ——黑芝麻智能科技有限公司自動駕駛產品VP 丁丁 本書作者均為在自動駕駛感知相關領域工作的工程師，他們針對視覺（還有一部分激光雷達）感知的幾個重要模塊，如檢測、分割和跟蹤，對目前較流行和先進的領域算法及其部署進行了介紹。為便于實踐，本書還提供了一些代碼分析，以加強讀者理解。作者從自動駕駛算法工程師角度揭開了感知模塊的一些技術要素，具有一定的參考價值。 ——深信科創信息技術有限公司自動駕駛基礎軟件首席科學家，博士 黃浴 本書從基礎理論到具體項目實踐，再到工程化部署，深入淺出地講述了自動駕駛感知領域的核心技術。在自動駕駛技術落地的關鍵時刻，幾位作者對各自工作經歷中遇到的種種問題進行了歸納總結，并提出了可行的解決方案。本書無論是對自動駕駛領域的初學者還是資深的感知算法工程師，都是不可多得的資料。 ——吉咖機器人科技有限公司算法中心負責人 韋松 《自動駕駛：感知原理與實踐》不僅介紹了目前行業主流的算法，還系統分析了行業前沿的核心技術，覆蓋計算機視覺的方方面面，并給出了可以直接部署上線的完整解決方案。本書對初學者或資深從業者來說，都有借鑒意義。 ——“深度眸”公眾號主理人 深度眸 本書以簡潔、易懂的方式深入淺出地介紹了自動駕駛感知領域的前沿關鍵技術，以及這些技術的應用案例和落地方案，內容非常實用，可以讓讀者更好地了解自動駕駛感知技術的實現方法和實際應用，并且能夠直接將書中的知識應用到自己的工作中。此外，本書還在一定程度上承擔了自動駕駛領域的“科普”工作，其面向層次、內容豐富度和實用性都非常適合大眾閱讀與學習。本書對研究者理解和探索自動駕駛感知技術的未來趨勢與方向，以及確定自己的研究方向和目標非常有幫助。 ——上海交通大學計算機專業博士 任相璇
自動駕駛:感知原理與實踐 作者簡介
龔心滿，碩士，新能源汽車感知融合資深工程師。畢業于中國計量大學控制理論與控制工程專業。曾就職于華人運通自動駕駛科技有限公司，擔任深度學習高級工程師職位，負責ADAS感知項目的研發，現任職于吉咖智能機器人有限公司感知中心，負責高階自動駕駛的落地。同時還參與多本人工智能書籍的撰寫，也是多個技術專欄的簽約作者。在安防和自動駕駛領域都有豐富的經驗。江濤，北京航空航天大學學士，香港中文大學碩士。先后在明星初創公司、研究院、互聯網大廠、實驗室任職，專注于深度學習與計算機視覺領域的前沿研究、落地部署、AI產品化，是多個國際知名開源項目的活躍貢獻者和維護者，也是多個技術專欄的簽約作者。梁功臣，碩士，新能源汽車軟件研發高級工程師。畢業于東北大學控制理論與控制工程專業。曾作為項目核心成員于中國科學院沈陽自動化研究所參與相關國家863項目(仿生醫療假肢)的研發科研工作，現任職于蔚來汽車科技有限公司數字架構定義與集成部門。胡佳慧，碩士，畢業于中國計量大學控制工程專業，F就職于遠景科技集團，負責新能源行業智能化項目的研發，同時也是多個知名開源項目的負責人。在人工智能研發與落地方面有著豐富的經驗。
書友推薦
- >
有舍有得是人生
- >
【精裝繪本】畫給孩子的中國神話
- >
詩經-先民的歌唱
- >
自卑與超越
- >
苦雨齋序跋文-周作人自編集
- >
隨園食單
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
龍榆生：詞曲概論/大家小書
本類暢銷
