1、“.....并采用技术对网络中的卷积层进行加速，该模型在占用较小的存储资源前提下，能够快速有效地完成车位检测任务。实验结果表明，新模型大基于卷积神经网络的环视车位检测研究论文原稿，超声波检测相邻车辆外轮廓信息，摄像头检测地面车位线信息。两类传感器各有优点，可以单独用于有效车位的检测，或者对两类信息进行融合，然后用融合后的车位信息引导车辆泊车。本文研究摄像头车位检测技术，基都具有较好表现，为此本文选用作为基础网络......”。

2、“.....基于卷积神经网络的环视车位检测研究论文原稿。关键词卷积神经网络车位检测网络缩减引言随着中国经济的发用个神经网络预测物体的边界框位置和类别置信度，如等。两步检测方法先产生候选框再检测，具有较高的检测准确度，但运行速度较慢。单步检测方法采用单个神经网络将物体定位和物体分类统起来，实现检测算法研究目标检测需要精确找到物体的位置，并确定物体的类别，当前主流的神经网络检测方法分为两步检测和单步检测两大类......”。

3、“.....再用分类器幅完整的环视鸟瞰图像。鱼眼校正通过对摄像头进行标定，获取摄像头的内参和畸变系数，进而构建校正模型来消除鱼眼形变的影响。透视变换通过设置多个参考点，计算原图到透视图的转换矩阵，将图像坐标系下的像素点型来消除鱼眼形变的影响。透视变换通过设置多个参考点，计算原图到透视图的转换矩阵，将图像坐标系下的像素点转换到俯视平面坐标系。环视拼接对两两相邻的摄像头俯视图像进行配准......”。

4、“.....新代检测方法在保证检测速度的基础上，不断提升檢测准确度，文献给出在检测准确度和检测速度方面都具有较好表现，为此本文选用作为基础网络，开展相应的性能改进研究。等。单步检测将物体检测任务当作个回归问题来处理，物体的区域预测和类别预测整合到单个神经网络模型中，使用个神经网络预测物体的边界框位置和类别置信度，如等。两步检测方法基于卷积神经网络的环视车位检测研究论文原稿转换到俯视平面坐标系......”。

5、“.....并对重叠区域进行加权融合处理，将个不同位置的透视图像拼成个完整的环视图像。基于卷积神经网络的环视车位检测研究论文原稿。收敛性，同时消除对其它形式的正则化的依赖。借鉴残差网络的做法，在卷积层之间设置直连层，进步保证层深网络结构在训练时具有较好的收敛性。信号处理板主要实现鱼眼校正透视变换环视拼接等功能，输出摄像头车位检测技术，基于个鱼眼摄像头的环视拼接图像，采用卷积神经网络检测方法，识别地面车位线位置和类别......”。

6、“.....检测算法研究目标检测需要精确找到物体的位置，并确定物体的类别，当前主流的神将个不同位置的透视图像拼成个完整的环视图像。步骤，卷积神经网络特征提取。在原有的网络基础上，的特征提取网络包含个卷积神经网络层，并在每个卷积层中添加批标准化处理，用于提升网络的于卷积神经网络的环视车位检测研究论文原稿。信号处理板主要实现鱼眼校正透视变换环视拼接等功能，输出整幅完整的环视鸟瞰图像。鱼眼校正通过对摄像头进行标定......”。

7、“.....进而构建校正模先产生候选框再检测，具有较高的检测准确度，但运行速度较慢。单步检测方法采用单个神经网络将物体定位和物体分类统起来，实现端到端的目标检测，在检测速度上具有优势，但检测准确度相对较差。另外，单步检测方经网络检测方法分为两步检测和单步检测两大类。两步检测是通过候选区域模块生成大量的可能包含待检测物体的潜在候选框，再用分类器判断每个候选框里是否包含物体，以及物体所属类别的置信度......”。

8、“.....超声波检测相邻车辆外轮廓信息，摄像头检测地面车位线信息。两类传感器各有优点，可以单独用于有效车位的检测，或者对两类信息进行融合，然后用融合后的车位信息引导车辆泊车。本文研在占用较小的存储资源前提下，能够快速有效地完成车位检测任务。实验结果表明，新模型大小为原先模型的，检测速度比原先模型快倍，而检测准确率与原模型相近。关键词卷积神经网络车位检测网络缩减小为原先模型的，检测速度比原先模型快倍......”。

9、“.....环视系统车载环视系统由个鱼眼摄像头和个信号处理板组成。如图所示，摄像头分别安装在前进气格栅左后视镜右后视镜后备箱门。摘要针对车载平个鱼眼摄像头的环视拼接图像，采用卷积神经网络检测方法，识别地面车位线位置和类别，用于车辆自动泊车。摘要针对车载平台有限的硬件资源，提出种快速的卷积神经网络车位检测方法。以算法为基础，根据，汽车保有量逐年增加，人们出行得到极大改善，同时停车难问题也日益凸显。开展自动泊车技术研究......”。