原文传递
基于深度学习的车辆检测技术研究
| 论文题名： | 基于深度学习的车辆检测技术研究 |
| 关键词： | 智能交通;车辆检测;图像处理;深度学习 |
| 摘要： | 随着人工智能和计算机视觉的飞速发展，智能交通成为了现代交通的主流发展方向，其中车辆检测作为智能交通的重要组成部分，技术需求越来越大。本文主要研究基于深度学习的车辆检测算法。 本文针对交通卡口车辆图像，首先采用基于Faster R-CNN的车辆检测算法，并结合车辆特性改进了候选区域的长宽比，提高了候选区域对车辆的贴合度，获得了较高的车辆检测精度。同时减少了候选区域的数量，从而使得速度也得到了一定的提升。 基于Faster R-CNN的车辆检测精度尚可，但是速度难以达到实时性要求。于是我们采用了基于SSD和VGGNet的方法进行车辆检测，在精度几乎保持不变的情况下，速度得到了有效提升。更进一步，为了对网络模型和速度得到更大的优化，本文提出了基于SSD和MobileNets网络压缩的车辆检测方法，将网络中卷积的滤波和通道融合操作分离开，在精度几乎不变的情况下，使得网络模型得到了很大程度的减小，算法运行速度也得到了显著提升，能够完全适应实时性应用环境。 交通卡口的数据集中多为车辆正面图片，检测相对容易，但是在许多除交通卡口外的实际应用场景中，往往同一张图片中有多辆车而且车辆之间尺度和角度变化很大并存在相互遮挡。针对这种情况，本文提出了基于SSD和车辆姿态分类的车辆检测方法。由于相关任务之间可以相互促进，而车辆姿态作为车辆的重要属性之一，车辆姿态的分类对于车辆检测具有明显的促进作用。我们在车辆检测原有的分类和目标边框回归的任务旁边，加入了车辆姿态分类的任务，联合优化。为了解决难易样本数量不平衡和不同姿态车辆样本之间数量不平衡的问题，我们加入了focal loss，进一步提高了车辆检测的精度。 |
| 作者： | 苏伟 |
| 专业： | 模式识别与智能系统 |
| 导师： | 桑农 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华中科技大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
