自动驾驶类脑目标检测技术

内容新，系统全面，有创新性。

在自动驾驶领域，目标检测的抗干扰能力不足，已成为制约其发展的瓶颈问题。这个问题不解决，自动驾驶的安全性就不能得到彻底的保障。因此，本书主要研究受脑启发的高抗扰性目标检测技术，并在自动驾驶车辆上应用。本书的主要内容包括面向自动驾驶目标检测技术概述、类脑目标检测技术国内外研究状况分析、面向自动驾驶的目标检测模型训练与测试数据集的构建、仿视觉皮层的目标检测网络构建、基于视觉注意原理的目标检测网络能力提升、基于神经元稀疏特性的模型压缩与剪枝技术、在面向自动驾驶的目标检测数据集上的验证、类脑目标检测算法在自动驾驶沙盘上的实现、基于自动驾驶物流车的类脑目标检测演示验证、基于自动驾驶车辆的高抗扰性目标检测演示验证。本书的主要创新点是从生物体关键的高效感知机理出发，仿视觉感知皮层设计了一种高抗扰性、高精度的轻量化目标检测模型。同时，引入视觉注意机制，降低模型输入中的干扰信息和冗余信息，聚焦主体目标。本书的主要读者为自动驾驶工程师、深度学习算法工程师、类脑计算的科研工作者，以及人工智能专业、计算机科学与技术专业的研究生、博士生。

无

第1章　面向自动驾驶目标检测技术概述 001
1.1　自动驾驶蓬勃发展 002
1.1.1　什么是自动驾驶 002
1.1.2　自动驾驶等级 002
1.1.3　自动驾驶发展状况概述 003
1.1.4　典型的自动驾驶车辆 004
1.2　自动驾驶车辆的环境感知 008
1.2.1　自动驾驶车辆常用的传感器 008
扩展阅读：自动驾驶车辆挑战赛与激光雷达 011
1.2.2　自动驾驶车辆传感器的布局 014
1.3　面向自动驾驶的目标检测技术 016
1.3.1　什么是目标检测技术 016
1.3.2　目标检测技术的研究概述 018
1.3.3　传统的基于特征的目标检测方法 018
1.3.4　基于深度学习的视觉目标检测研究状况 019
1.3.5　目标检测技术在自动驾驶中的应用 024
1.3.6　面向自动驾驶的目标检测技术存在的问题 025
扩展阅读：趣谈AI 对抗攻击 027

第2章　类脑目标检测技术国内外研究状况分析 030
2.1　轻量化仿视觉皮层目标检测模型研究现状 031
2.2　基于视觉注意机制的目标检测研究现状 033
2.3　基于神经元稀疏性的模型压缩研究现状 037

第3章　面向自动驾驶的目标检测模型训练与测试数据集的构建 040
3.1　构建面向自动驾驶的目标检测模型训练与测试数据集的必要性 041
3.2　面向城市道路的自动驾驶视觉目标检测数据集的构建 042
3.3　噪声干扰测试数据集构建 047
3.4　面向城市道路的自动驾驶视觉目标检测数据集特点 053

第4章　仿视觉皮层的目标检测网络构建 054
4.1　视觉皮层信息处理功能简介 055
4.2　受初级视觉皮层启发的预处理模型构建 055
4.3　性能对比结果分析 058
4.3.1　性能对比基准模型介绍 058
4.3.2　基于COCO 数据集的性能评估 058
问题点睛 060

第5章　基于视觉注意原理的目标检测网络能力提升 062
5.1　人类视觉注意机制概述 063
5.2　坐标注意力模块构建 064
5.3　基于注意机制的仿视觉皮层目标检测模型具体实现 066
5.4　性能对比结果分析 069
5.4.1　性能对比基准模型介绍 069
5.4.2　在COCO 数据集下目标检测性能评估 070
5.4.3　在面向自动驾驶目标检测数据集下的目标检测性能评估 071
5.4.4　面向自动驾驶目标检测噪声干扰测试数据集下的目标检测性能评估 072
问题点睛 075

第6章　基于神经元稀疏特性的模型压缩与剪枝技术 076
6.1　压缩剪枝的总体思路 077
6.2　具体实现过程 078
6.2.1　对类脑目标检测模型v1、v2 的压缩与剪枝 078
6.2.2　对类脑目标检测模型v3、v4 的压缩与剪枝 079
6.3　压缩剪枝后的网络模型 080
6.4　压缩剪枝后的模型性能结果分析 084
6.4.1　在COCO 数据集下类脑目标检测模型压缩剪枝性能测试 084
6.4.2　在面向城市道路的自动驾驶目标检测数据集下的性能测试 085

第7章　在面向自动驾驶的目标检测数据集上的验证 087
7.1　在未添加干扰数据集上的验证 088
7.2　在添加干扰数据集上的验证 100
7.3　目标检测演示系统的构建 132

第8章　类脑目标检测算法在自动驾驶沙盘上的实现 137  
8.1　面向自动驾驶沙盘的构建 138
8.2　面向自动驾驶沙盘演示的自动驾驶数据集的构建及训练 140
8.3　在自动驾驶沙盘上的演示验证 143

第9章　基于自动驾驶物流车的类脑目标检测演示验证 150
9.1　自动驾驶物流车验证的必要性 151
9.2　自动驾驶物流车平台 151
9.2.1　硬件平台 151
9.2.2　驱动与负载 152
9.2.3　核心硬件 152
9.2.4　自动驾驶物流车的功能 154
9.3　类脑目标检测算法在自动驾驶物流车上的演示验证 154

第10章　基于自动驾驶车辆的高抗扰性目标检测演示验证 162
10.1　自动驾驶车辆传感器布局 163
10.2　自动驾驶车辆软件架构 164
10.3　基于自动驾驶车辆演示验证 165
10.4　主要创新性工作 172

参考文献 173

自动驾驶的大规模应用是智慧城市的重要体现，是未来城市发展的重要方向。目标检测是自动驾驶车辆中非常重要的一个环节，它能够识别出车辆周围的障碍物、行人、道路标志等物体，为车辆的决策提供依据。目标检测的准确性、抗扰性、实时性对于自动驾驶汽车的安全性能至关重要。目前，自动驾驶车辆的目标检测技术虽然取得了显著的进步，但仍然存在一些关键的挑战需要解决。
通过借鉴人类大脑皮层对图像信息的处理方式形成的目标检测模型可模拟人类鲁棒性的视觉识别，解决现有目标检测算法受环境影响的问题。针对生物体视觉感知皮层的研究发现，是人类视觉皮层具有的多层级、双路通信、注意机制等各类感知机制帮助人类实现高效的目标检测能力。本书研究的面向自动驾驶的类脑目标检测技术便是基于上述机理，形成的类脑感知算法极大提升了目标检测算法的鲁棒性和精度，突破复杂环境下的目标检测难题。
本书核心内容及创造性研究成果为：从生物体关键的高效感知机理出发，仿视觉感知皮层设计了一种高抗扰性、高精度的轻量化目标检测模型;同时，引入视觉注意机制，降低模型输入中的干扰信息和冗余信息，聚焦主体目标。
本书可以作为人工智能、计算机科学与技术等专业的研究生、博士生的教材，也可以作为自动驾驶工程师、深度学习算法工程师、类脑计算的科研工作者的参考资料。
感谢北京市科技计划“高抗扰性目标检测技术及其应用”的支持，感谢“兵器基础性创新团队”、武警工程大学“高层次科技人才引进计划”、“陕西省高校青年创新团队”的支持。
感谢吴明曦研究员的指导和支持，感谢北京钢铁侠技术有限公司董事长张锐对本书的支持。
感谢刘华鹏高工、樊迪高工、王子彻工程师、陈路豪工程师在本书撰写过程中所做的贡献。

著者：赵小川