科技 类型
可以朗读 语音朗读
120千字 字数
2023-07-01 发行日期
展开全部

主编推荐语

从理论分析到落地工程化部署，详细介绍自动驾驶感知领域的核心技术。

内容简介

本书是一本系统讲解自动驾驶感知技术的图书，同时带有具体的自动驾驶实践案例，以及自动驾驶感知技术的落地部署方案供读者学习。

本书主要涉及的内容包括神经网络的基础理论知识、经典卷积神经网络、轻量化卷积神经网络、Vision Transformer、2D目标检测算法、3D激光点云目标检测算法、BEVFormer纯视觉的3D目标检测算法、语义分割、车道线检测、ReID相关技术、多目标跟踪及部署落地的相关技术。

为了让读者全面、深入、透彻地理解所讲解的算法，书中还给出了具体的实践案例，并提供了相应的数据集供读者实践，同时通过对代码的讲解使读者获得实战能力。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 计算机视觉与神经网络
  • 1.1 人工神经网络
  • 1.1.1 感知机
  • 1.1.2 神经网络
  • 1.2 卷积神经网络
  • 1.2.1 卷积
  • 1.2.2 激活函数
  • 1.2.3 池化层
  • 1.2.4 全连接层
  • 1.3 经典卷积神经网络
  • 1.3.1 AlexNet
  • 1.3.2 VGG
  • 1.3.3 GoogLeNet
  • 1.3.4 ResNet
  • 1.3.5 DarkNet
  • 1.3.6 CSPDarkNet
  • 1.4 轻量化卷积神经网络
  • 1.4.1 MobileNet
  • 1.4.2 ShuffleNet
  • 1.4.3 GhostNet
  • 1.5 Vision Transformer在计算机视觉中的应用
  • 1.5.1 ViT
  • 1.5.2 Swin Transformer
  • 1.5.3 MobileViT
  • 1.5.4 TRT-ViT
  • 1.5.5 基于ResNet/MobileViT的交通标识牌识别项目实践
  • 1.6 本章小结
  • 第2章 目标检测在自动驾驶中的应用
  • 2.1 目标检测简介
  • 2.1.1 相关工作简介
  • 2.1.2 两阶段目标检测算法简介
  • 2.1.3 单阶段目标检测算法简介
  • 2.2 自动驾驶中的车辆检测
  • 2.2.1 BDD100K数据集简介
  • 2.2.2 YOLOv5算法的原理
  • 2.2.3 基于YOLOv5的车辆检测项目实践
  • 2.3 自动驾驶中的行人检测
  • 2.3.1 YOLOX算法的原理
  • 2.3.2 基于YOLOX的行人检测项目实践
  • 2.4 自动驾驶中的交通标识牌检测
  • 2.4.1 NanoDet算法的原理
  • 2.4.2 基于NanoDet的交通标识牌检测项目实践
  • 2.5 自动驾驶中的交通信号灯的检测与识别
  • 2.5.1 YOLOv5-Lite算法的原理
  • 2.5.2 基于YOLOv5-Lite的交通信号灯检测项目实践
  • 2.6 3D目标检测
  • 2.6.1 PointPillars
  • 2.6.2 BEVFormer
  • 2.6.3 基于OpenPCDet的3D目标检测项目实践
  • 2.7 本章小结
  • 第3章 语义分割在自动驾驶中的应用
  • 3.1 STDC算法的原理
  • 3.1.1 STDC模块
  • 3.1.2 STDC语义分割网络
  • 3.2 TopFormer算法的原理
  • 3.2.1 Token Pyramid Module
  • 3.2.2 Scale-Aware Semantics Extractor
  • 3.2.3 Semantics Injection Module
  • 3.2.4 Segmentation Head
  • 3.3 基于TopFormer的可行驶区域分割项目实践
  • 3.3.1 Cityscapes数据集简介
  • 3.3.2 TopFormer模型实现
  • 3.4 本章小结
  • 第4章 车道线检测与分割
  • 4.1 UNet算法的原理
  • 4.2 LaneATT算法的原理
  • 4.2.1 Lane的Anchor表征
  • 4.2.2 基于Anchor的特征图池化
  • 4.2.3 局部注意力机制
  • 4.2.4 Proposal预测
  • 4.2.5 后处理
  • 4.3 基于LaneATT的车道线检测实践
  • 4.3.1 CULane数据集介绍
  • 4.3.2 LaneATT实践
  • 4.4 本章小结
  • 第5章 多目标跟踪在自动驾驶中的应用
  • 5.1 多目标跟踪算法SORT的原理
  • 5.2 多目标跟踪算法DeepSORT的原理
  • 5.2.1 级联匹配
  • 5.2.2 ReID特征提取
  • 5.3 多目标跟踪算法ByteTrack的原理
  • 5.4 基于ByteTrack的多目标跟踪项目实践
  • 5.4.1 MOT16数据集
  • 5.4.2 Byte匹配
  • 5.5 本章小结
  • 第6章 深度学习模型的落地和部署
  • 6.1 常见模型部署框架介绍
  • 6.1.1 TensorRT
  • 6.1.2 NCNN
  • 6.1.3 ONNX
  • 6.2 OpenCV图像处理操作
  • 6.2.1 OpenCV基本操作
  • 6.2.2 使用OpenCV进行图像预处理
  • 6.3 GPU编程工具之CUDA
  • 6.3.1 CUDA编程模型
  • 6.3.2 CUDA线程组织
  • 6.3.3 CUDA内存组织
  • 6.3.4 GPU硬件组织结构
  • 6.3.5 CUDA流
  • 6.4 模型框架之TensorRT
  • 6.4.1 使用TensorRT API搭建网络结构
  • 6.4.2 从ONNX文件中导入网络结构定义
  • 6.4.3 TensorRT推理引擎的序列化与反序列化
  • 6.4.4 TensorRT的推理
  • 6.4.5 INT8量化
  • 6.4.6 TensorRT的插件开发
  • 6.5 TensorRT模型部署实例
  • 6.5.1 使用OpenCV进行前处理
  • 6.5.2 使用CUDA加速前处理
  • 6.5.3 使用TensorRT对YOLOv5进行推理加速
  • 6.5.4 YOLOv5的CPU和CUDA后处理
  • 6.6 NCNN模型部署
  • 6.6.1 NCNN部署流程
  • 6.6.2 使用NCNN部署NanoDet
  • 6.7 本章小结
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。