卷积神经网络SSD的道路目标检测
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
440KB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
针对在传统的道路目标识别中,需要进行手工提取特征,模型的泛化能力差.使用深度学习的技术,提出了使用深度卷积神经网络(SSD)解决道路目标问题.该方法首先对图像特征进行自动提取,在基础网络后添加不同尺寸的特征图,然后对多尺寸的特征图做卷积滤波,得到目标坐标值和目标的类别.实验中,在SSD模型中增加了特征图的检测层数,增大原图像尺寸,调试相应的参数,经过多次迭代,最终得到目标模型.实验采用行车记录仪采集的图像,在图像中标定出车辆、行人和骑行的人三类,实验表明,检测目标尺寸越小,检测难度越大,检测效果越差,SSD模型对目标检测的平均准确率均值提高了0.082.提出的道路目标检测方法与传统目标识别算法相比,省去了手工特征提取,减少了工作量,提高了模型的泛化能力.相关论文
- 2021-10-03基于全解析法的气动弹性剪裁方法研究与软件实现
- 2024-02-17翼型前缘对风力机翼型气动性能的影响
- 2021-10-05径向基函数参数化翼型的气动力降阶模型优化
- 2021-09-20基于CFD/CSD耦合的全动平尾气动弹性特性研究
- 2024-02-11基于随机森林算法的非定常气动力建模研究
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。