论文摘要
传统的车辆目标检测算法需要为不同的图像场景选择合适的特征,导致泛化能力差。针对此问题,本文提出一种基于SSD(Single Shot MultiBox Detector)的图像车辆检测方法。该方法通过对多个尺度的卷积特征图进行预测来检测车辆,在一定程度上提升车辆的检测精度;找出原SSD方法在训练过程中的小缺陷,通过改进损失函数来优化训练速度。最后结合KITTI数据集进行训练。实验结果表明,该方法对车辆的检测具有较高的识别率,且比传统算法的效果更好。
论文目录
文章来源
类型: 期刊论文
作者: 吴水清,王宇,师岩
关键词: 车辆,目标检测,卷积神经网络
来源: 计算机与现代化 2019年05期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,计算机软件及计算机应用,自动化技术
单位: 河海大学计算机与信息学院
基金: 国家自然青年科学基金资助项目(61103017),中国科学院感知中国先导专项子课题(XDA06040504)
分类号: TP391.41;TP183;U495
页码: 35-40
总页数: 6
文件大小: 1408K
下载量: 515