[1]潘婷,周武杰,顾鹏笠.基于卷积神经网络的车辆和行人检测算法[J].浙江科技学院学报,2018,(05):398-403.
点击复制
基于卷积神经网络的车辆和行人检测算法(/HTML)
《浙江科技学院学报》[ISSN:1001-3733/CN:61-1062/R]
- 卷:
-
- 期数:
-
2018年05期
- 页码:
-
398-403
- 栏目:
-
- 出版日期:
-
2018-10-29
文章信息/Info
- Title:
-
Vehicle and pedestrian detection algorithm based on convolutional neural network
- 文章编号:
-
1671-8798(2018)05-0398-06
- 作者:
-
潘婷; 周武杰; 顾鹏笠
-
浙江科技学院 机械与能源工程学院 信息与电子工程学院
- Author(s):
-
-
School of Mechanical and Energy Engineering; School of Information and Electronic Engineering,Zhejiang University of Science and Technology
-
- 关键词:
-
目标检测; Squeezenet网络; 更快速的区域卷积神经网络; 在线负样本学习
- 分类号:
-
TP391.4
- 文献标志码:
-
A
- 摘要:
-
针对传统的车辆和行人检测算法在提取特征时鲁棒性较差的问题,提出一种基于深度学习的车辆和行人检测算法。该算法利用更快速的区域卷积神经网络(Faster RCNN)开源框架和Squeezenet网络,通过在线负样本学习(OHEM)算法和可变的非极大值抑制(SoftNMS)算法来改进算法的检测精度。首先采用Squeezenet网络框架对图片提取特征,然后通过区域提取网络算法(RPN)获取图片中待检测的区域,最后在检测阶段加入OHEM算法对疑难样本进行重新学习和Soft NMS抑制重叠矩形框,从而得到目标的得分和边界框。结果表明,基于卷积神经网络的车辆和行人检测算法能够获得较好的检测效果。
更新日期/Last Update: