基于深度学习的目标检测与可行域分割研究
为提高智能车快速检测物体对多种场景的适应能力,提出了多任务共享一个特征提取网络的联合方法.首先用ResNet-50作为编码器提取图像的特征;然后采用单发多框检测算法的多尺度特征预测和快速回归思想,对检测结果进行解码,采用DeepLab v3中的多孔空间金字塔池化结构,对经ResNet-50下采样后的图像特征进行多尺度映射、双线性上采样和批次归一化处理,完成分割解码;最后设定好参数训练联合方法.实验结果表明,该方法的平均精度均值为89.00%,分割平均交并比为83.0,每秒传输帧数为31 frame,满足智能车的应用需求.
图像处理、共享网络、多尺度特征、多任务联合、深度学习
57
TP391(计算技术、计算机技术)
2020-07-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
181-189