改进深度可分离卷积的SSD车型识别

摘要：

针对现有车辆识别方法对于车型实时识别能力不足的问题,提出一种改进的深度可分离卷积的SSD(single shot multibox detector)算法用于车型识别研究.首先,利用深度可分离卷积网络进行特征提取,并引入反残差模块来解决因通道数少、特征压缩导致的准确率下降问题.其次,以车辆的刚体特性为依据,重新设计区域候选框,减少模型参数运算量.最后,在BIT-Vehicle数据集上进行消融实验来对比不同网络模型性能差异.结果表明:改进的深度可分离卷积的SSD车型识别方法有更好的车型识别效果,可以达到96.12％的识别精度,检测速度提高至0.078 s/帧.

关键词：车型识别、深度可分离卷积、反残差模块、区域候选框、卷积神经网络

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：山西省重点研发高新领域项目201903D121132

在线出版日期：2021-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：43-48,83