类脑智能目标检测原理及应用

本书针对基于深度学习的目标检测过程中存在的抗干扰能力不足的瓶颈问题，从仿生的角度出发，深入分析如何构建具有抗干扰能力的类脑智能目标检测网络。本书的突出创新点为模拟大脑初级视觉皮层的生物学机理和人类认知注意机制，提出了受大脑视觉皮层启发的多层级、多通路，融合认知注意的类脑智能目标检测网络。 该书紧扣技术前沿，条理清楚，理论正确，内容详实，实验结果真实可信，具有良好的学术水平和工程应用价值。该书的学术水平为国内领先水平。

本书将人工智能与人类智慧深度融合，系统、全面地介绍了类脑智能目标检测网络的构建原理、方法、过程，具有较高的学术价值；同时，本书将所构建的类脑智能目标检测网络在无人车交通标志检测、无人车-机械臂协同作业这两个场景进行了示范应用，具有较大的工程应用价值。本书主要的读者群体为从事类脑智能、计算机视觉、无人系统研究的科研工作者，以及人工智能、电子信息、计算机工程等相关专业的博士研究生、硕士研究生。

无

第1章目标检测技术及其发展
1.1数字图像处理与深度学习2
1.1.1数字图像处理的基础知识2
1.1.2深度学习的基础知识4
1.2目标检测技术及其评价指标17
1.2.1什么是目标检测技术17
1.2.2目标检测的评价指标18
1.3目标检测的研究进展20
1.3.1传统视觉目标检测的研究进展20
1.3.2基于深度学习的视觉目标检测研究进展22
1.3.3总结与展望32
1.4目标检测技术的难点34
1.5AI对抗攻击的内涵与研究状况36
1.5.1AI对抗攻击的内涵37
1.5.2AI对抗攻击的研究状况38
第2章大脑视觉皮层的机理分析
2.1视觉系统的运行流程44
2.2眼球-视网膜-视神经工作机制45
2.3视觉皮层的工作机制49
2.4受视觉皮层启发的目标检测研究现状及思考61
第3章类脑智能目标检测网络的构建与优化
3.1构建的总体思路68
3.2仿V1视觉皮层模块71
3.3视觉注意力模块74
3.4类脑智能目标检测深度网络框架76
3.5目标检测的网络模型压缩提速84
3.5.1模型剪枝技术84
3.5.2模型量化技术87
第4章类脑智能目标检测网络的性能评价
4.1在公开数据集COCO2017上目标识别性能评估90
4.1.1COCO数据集简介90
4.1.2模型训练过程91
4.1.3性能对比分析95
4.2在自建数据集上性能评估97
4.3存在AI对抗攻击时的目标检测效能99
4.3.1AI对抗攻击图案99
4.3.2AI对抗攻击下的目标检测效果分析100
第5章在无人驾驶车辆上的应用验证
5.1无人驾驶车辆的发展与分析106
5.1.1无人驾驶车辆的发展106
5.1.2无人驾驶车辆在视觉感知方面的瓶颈117
5.2面向复杂城市环境的数据集构建120
5.2.1数据集概述120
5.2.2数据集详细情况122
5.3面向干扰环境无人车交通标志识别130
5.3.1应用验证系统简介130
5.3.2应用验证场景介绍134
5.3.3应用验证效果及对比分析137
5.4基于视觉目标检测的车臂协同开门144
5.4.1应用验证系统简介144
5.4.2系统验证场景介绍及验证效果对比分析151
第6章类脑目标检测系统的综合评价
6.1构建综合评价模型的总体思路156
6.2综合评价的具体实现过程158
6.3指标评测方法与流程165
总结与展望168
参考文献169