Print

基于SSD的车辆目标检测

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

  • 0 引 言
  • 1 SSD目标检测算法
  •   1.1 SSD模型
  •   1.2 算法核心
  •     1.2.1 默认框尺度计算
  •     1.2.2 损失函数
  • 2 本实验的SSD模型
  •   2.1 SSD的构建
  •   2.2 损失函数的改进
  • 3 实 验
  •   3.1 数据准备
  •   3.2 实验过程
  •   3.3 实验结果
  • 4 结束语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/0843174d2491315899408982.html