本文利用卷积神经网络对高速公路服务区停车场进行场景分割与车位检测.首先,通过扩充高速公路服务区停车场数据集,利用卷积神经网络进行高速公路服务区停车场区域分割与车辆检测,并对特征提取网络进行权重共享,从而达到联合训练的目的及网络模型轻量化.进而,通过对车辆的纹理特征提取,采用金字塔特征融合的方法对小目标的识别进行强化.最后,利用高速公路服务区停车位的先验知识实时计算停车场的停车位信息.实际应用表明该方法在复杂场景下,对车位检测的准确率为94%,检测速度为每秒25帧,具有很强的泛化能力,适合用于高速公路服务区停车场车位检测.
类型: 期刊论文
作者: 邵奇可,卢熠,陈一苇
关键词: 卷积神经网络,联合训练,分类,分割,金字塔特征融合,高速服务区
来源: 计算机系统应用 2019年06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,自动化技术
单位: 浙江工业大学计算机科学与技术学院(软件学院)
基金: 浙江省自然科学基金(LY18F020029)~~
分类号: TP181;U491.7
DOI: 10.15888/j.cnki.csa.006932
页码: 62-68
总页数: 7
文件大小: 734K
下载量: 163
本文来源: https://www.lunwen66.cn/article/71748df89730b8bbbaa86d23.html