原文传递
基于深度学习的室外停车场车位检测研究
| 论文题名： | 基于深度学习的室外停车场车位检测研究 |
| 关键词： | 室外车位检测;深度学习;卷积神经网络;注意力机制模块;知识蒸馏 |
| 摘要： | 室外停车场车位检测研究是目前深度学习的热点问题之一，也是城市交通管理、车位检测、车辆检测等研究的重要基础。在实际场景中由于室外多变的天气环境或者不同障碍物遮挡，导致室外停车位检测变得相当困难。随着智慧停车系统和停车场管理系统的快速发展，深度学习为停车位检测提供了新的技术方案。本文主要针对在复杂的室外场景下，对停车场车位检测展开研究。 本文以提升日间室外停车场车位检测精度为目标，考虑到在室外情况下，图像中很多小目标车位检测较为困难，所以本文在SSD算法基础上进行了改进。首先，对输入图像进行超采样和数据扩增处理，可以在原图像中生成更多的小目标，提升模型训练效果；其次，将SSD模型的VGG16主干特征提取网络更换为残差网络，避免了随着网络层数的加深从而发生的梯度问题；最后，为了增强图像中小目标车位的特征提取效果，为主干特征提取网络引入了金字塔拆分注意力模块（PSA），PSA模块能够提取特征图中多尺度的空间信息并与通道注意力模块进行结合，使特征图产生像素级别的关注能力。将PSA模块和残差网络结合的EPSANet能够有效地聚焦于小目标车位，而且PSA模块所采用的分组卷积方式不会增加代价。 本文又以提升夜间室外停车场车位检测精度为目标，针对夜间场景相比于日间检测性能不佳的问题，采用一种融合模型来提升夜间车位检测精度。通过“知识蒸馏”的方式将一个夜间图像增强模型和改进的YOLOv4目标检测模型进行融合，融合后的模型可以在没有夜间图像训练集的情况下完成夜间图像车位检测，通过实验对比，融合模型比其他检测模型有着更高的检测精度。 |
| 作者： | 张卓阳 |
| 专业： | 交通运输工程 |
| 导师： | 徐丽 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
