基于对抗网络的无人驾驶车交通标志识别开题报告

1. 研究目的与意义

计算机视觉随着深度学习以及卷积神经网络（cnn）的发展在人工智能领域扮演着越来越重要的角色。

与此同时，它也为无人驾驶汽车比如特斯拉得以广泛推广画上了浓墨重彩的一笔。

无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。

2. 国内外研究现状分析

交通标志识别一般包括侦测和分类两个模块。

侦测阶段一般是利用交通标志的色彩或形状特征侦测出可能包含交通标志的区域，然后将感兴趣的区域进行大小规则化，在分类阶段进一步判定交通标志区域的有效性并识别出交通标志的含义。

侦测方法可分为基于颜色的侦测和基于形状的侦测两类。

3. 研究的基本内容与计划

1.研究内容通过使用GAN生成可用的交通标志数据集，实现（1）数据增强（2）图像修补功能以此来增强无人汽车的安全系数。

2.计划（1）2.23前完成开题报告（2）2.24-3.6 熟悉课题，收集资料（3）3.7-3.17需求说明书、概要设计 （5）3.18-3.28详细设计 （6）3.28-4.26程序编码 （7）4.27-5.8系统调试 （8）5.9-5.20整理文档，编写论文。

4. 研究创新点

1.采用无监督学习的方式使得不需要给摄像头采集到的图片添加标签便可以直接通过GAN得到所需数据集。

2.可以有效的处理目前交通标志识别的一大难题，遮掩问题。