自動駕駛-感知原理與實踐 龔心滿 9787121457388 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202307*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：自動駕駛-感知原理與實踐
ISBN：9787121457388
出版社：電子工業
著編譯者：龔心滿
頁數：288
所在地：中國大陸 *此為代購商品
書號：1539803
可大量預訂，請先連絡。

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目標檢測演算法（YOLOv5、YOLOX、YOLOv5 Lite、NanoDet等演算法）、3D激光點雲目標檢測演算法、BEVFormer純視覺的3D目標檢測演算法、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演算法，書中還給出了具體的實踐案例，並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。

作者簡介

龔心滿，碩士，新能源汽車感知融合資深工程師。畢業於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，現就職于吉咖智能機器人有限公司感知演算法中心，負責高階自動駕駛的落地。同時還參与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。

目錄

第1章 計算機視覺與神經網絡
1 1 人工神經網絡
1 1 1 感知機
1 1 2 神經網絡
1 2 卷積神經網絡
1 2 1 卷積
1 2 2 激活函數
1 2 3 池化層
1 2 4 全連接層
1 3 經典卷積神經網絡
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 輕量化卷積神經網絡
1 4 1 MobileNet
1 4 2 ShuffleNet
1 4 3 GhostNet
1 5 Vision Transformer在計算機視覺中的應用
1 5 1 ViT
1 5 2 Swin Transformer
1 5 3 MobileViT
1 5 4 TRT-ViT
1 5 5 基於ResNet/MobileViT的交通標識牌識別項目實踐
1 6 本章小結
第2章 目標檢測在自動駕駛中的應用
2 1 目標檢測簡介
2 1 1 相關工作簡介
2 1 2 兩階段目標檢測演算法簡介
2 1 3 單階段目標檢測演算法簡介
2 2 自動駕駛中的車輛檢測
2 2 1 BDD100K數據集簡介
2 2 2 YOLOv5演算法的原理
2 2 3 基於YOLOv5的車輛檢測項目實踐
2 3 自動駕駛中的行人檢測
2 3 1 YOLOX演算法的原理
2 3 2 基於YOLOX的行人檢測項目實踐
2 4 自動駕駛中的交通標識牌檢測
2 4 1 NanoDet演算法的原理
2 4 2 基於NanoDet的交通標識牌檢測項目實踐
2 5 自動駕駛中的交通信號燈的檢測與識別
2 5 1 YOLOv5 Lite演算法的原理
2 5 2 基於YOLOv5 Lite的交通信號燈檢測項目實踐
2 6 3D目標檢測
2 6 1 PointPillars
2 6 2 BEVFormer
2 6 3 基於OpenPCDet的3D目標檢測項目實踐
2 7 本章小結
第3章 語義分割在自動駕駛中的應用
3 1 STDC演算法的原理
3 1 1 STDC模塊
3 1 2 STDC語義分割網路
3 2 TopFormer演算法的原理
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 基於TopFormer的可行駛區域分割項目實踐
3 3 1 Cityscapes數據集簡介
3 3 2 TopFormer模型實現
3 4 本章小結
第4章 車道線檢測與分割
4 1 UNet演算法的原理
4 2 LaneATT演算法的原理
4 2 1 Lane的Anchor表徵
4 2 2 基於Anchor的特徵圖池化
4 2 3 局部注意力機制
4 2 4 Proposal預測
4 2 5 后處理
4 3 基於LaneATT的車道線檢測實踐
4 3 1 CULane數據集介紹
4 3 2 LaneATT實踐
4 4 本章小結
第5章 多目標跟蹤在自動駕駛中的應用
5 1 多目標跟蹤演算法SORT的原理
5 2 多目標跟蹤演算法DeepSORT的原理
5 2 1 級聯匹配
5 2 2 ReID特徵提取
5 3 多目標跟蹤演算法ByteTrack的原理
5 4 基於ByteTrack的多目標跟蹤項目實踐
5 4 1 MOT16數據集
5 4 2 Byte匹配
5 5 本章小結
第6章 深度學習模型的落地和部署
6 1 常見模型部署框架介紹
6 1 1 TensorRT
6 1 2 NCNN
6 1 3 ONNX
6 2 OpenCV圖像處理操作
6 2 1 OpenCV基本操作
6 2 2 使用OpenCV進行圖像預處理
6 3 GPU編程工具之CUDA
6 3 1 CUDA編程模型
6 3 2 CUDA線程組織
6 3 3 CUDA內存組織
6 3 4 GPU硬體組織結構
6 3 5 CUDA流
6 4 模型部署框架之TensorRT
6 4 1 使用TensorRT API搭建網路結構
6 4 2 從ONNX文件中導入網路結構定義
6 4 3 TensorRT推理引擎的序列化與反序列化
6 4 4 TensorRT的推理
6 4 5 INT8量化
6 4 6 TensorRT的插件開發
6 5 TensorRT模型部署實例
6 5 1 使用OpenCV進行前處理
6 5 2 使用CUDA加速前處理
6 5 3 執行推理操作
6 5 4 后處理
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 本章小結
參考文獻

詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。