基于YOLOv3与改进VGGNet的车辆多标签实时识别算法
为了能快速、有效地识别视频中的车辆信息,文中结合YOLOv3算法和CNN算法的优点,设计了一种能实时识别车辆多标签信息的算法.首先,利用具有较高识别速度和准确率的YOLOv3实现对视频流中车辆的实时监测和定位.在获得车辆的位置信息后,再将车辆信息传入经过简化与优化的类VGGNet多标签分类网络中,对车辆进行多标签标识.最后将标签信息输出至视频流,得到对视频中车辆的实时多标签识别.文中训练与测试数据集来源为KITTI数据集和通过Bing Image Search API获取的多标签数据集.实验结果证明,所提方法在KITTI数据集上的mAP达到了91.27,多标签平均准确率达到80%以上,视频帧率达到35 fps,在保证实时性的基础上取得了较好的车辆识别和多标签分类效果.
计算机视觉、车辆识别、多标签识别、目标检测、深度学习
49
TP183;TP391.4(自动化基础理论)
国家重点基础研究发展计划(973计划);基于高压缩比技术的移动环境执法视频采集与管理系统;软件开发环境国家重点实验室开放课题
2023-05-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
530-536