10.19678/j.issn.1000-3428.0050993
基于Faster RCNN的智能车道路前方车辆检测方法
使用Fast RCNN方法进行特征提取存在耗时较长且检测准确率较低的问题.为此,结合Faster RCNN前方车辆检测模型与3种不同大小的卷积神经网络,提出一种改进的前方车辆检测方法,研究对比各方法在3种交通场景数据库上的前方车辆检测能力.实验结果表明,与深度卷积神经网络方法相比,该方法提高了车辆检测的准确性和鲁棒性,具有一定的泛化能力.
智能车、前方车辆、深度卷积神经网络、训练模型、准确率
44
TP301.6(计算技术、计算机技术)
国家自然科学基金“视听觉信息的认知计算”重大研究计划重点支持项目“智能车驾驶脑认知技术、平台与转化研究”91420202:北京市教委科研计划项目KM201811417006
2018-11-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
36-41