本文主要研究内容
作者宋欢欢,惠飞,景首才,郭兰英,马峻岩（2019）在《改进的RetinaNet模型的车辆目标检测》一文中研究指出：目前,在智能交通领域使用深度学习方法进行车辆目标检测已成为研究热点。针对传统机器学习方法的性能易受光照、角度、图像质量等外界因素影响,检测步骤繁琐等问题,通过对当下经典的一阶目标检测模型和二阶目标检测模型进行分析,提出了一种基于改进的一阶目标检测模型RetinaNet的车辆目标检测方法,使用深度残差网络自主获取图像特征,融合MobileNet网络结构进行模型加速,把复杂交通场景下的目标检测问题转化为车辆类型的三分类问题,利用KITTI数据集进行训练,并使用实际场景中的图像进行测试。实验结果表明,改进的RetinaNet模型在保证检测时间的情况下,相比原RetinaNet模型MAP值提高了2.2个百分点。
Abstract
mu qian ,zai zhi neng jiao tong ling yu shi yong shen du xue xi fang fa jin hang che liang mu biao jian ce yi cheng wei yan jiu re dian 。zhen dui chuan tong ji qi xue xi fang fa de xing neng yi shou guang zhao 、jiao du 、tu xiang zhi liang deng wai jie yin su ying xiang ,jian ce bu zhou fan suo deng wen ti ,tong guo dui dang xia jing dian de yi jie mu biao jian ce mo xing he er jie mu biao jian ce mo xing jin hang fen xi ,di chu le yi chong ji yu gai jin de yi jie mu biao jian ce mo xing RetinaNetde che liang mu biao jian ce fang fa ,shi yong shen du can cha wang lao zi zhu huo qu tu xiang te zheng ,rong ge MobileNetwang lao jie gou jin hang mo xing jia su ,ba fu za jiao tong chang jing xia de mu biao jian ce wen ti zhuai hua wei che liang lei xing de san fen lei wen ti ,li yong KITTIshu ju ji jin hang xun lian ,bing shi yong shi ji chang jing zhong de tu xiang jin hang ce shi 。shi yan jie guo biao ming ,gai jin de RetinaNetmo xing zai bao zheng jian ce shi jian de qing kuang xia ,xiang bi yuan RetinaNetmo xing MAPzhi di gao le 2.2ge bai fen dian 。
论文参考文献
论文详细介绍
论文作者分别是来自计算机工程与应用的宋欢欢,惠飞,景首才,郭兰英,马峻岩，发表于刊物计算机工程与应用2019年13期论文，是一篇关于深度学习论文,交通场景论文,车辆检测论文,深度残差网络论文,计算机工程与应用2019年13期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机工程与应用2019年13期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：深度学习论文; 交通场景论文; 车辆检测论文; 深度残差网络论文; 计算机工程与应用2019年13期论文;