10.3969/j.issn.1672-9722.2020.10.017
基于Faster R-CNN的多目标检测研究
深度学习的快速发展为计算机视觉带来了新的机遇,特别是对于目标检测领域.此外,它为智能交通领域的车辆和行人检测提供了一种新方法.然而,交通图像数据的收集和人工标注工作是十分繁琐的.在目标检测模型的训练过程中,没有明确的方法来选择预训练模型,训练方式和迭代次数.论文利用车载摄像头录制的交通视频来截取交通图像,人工标注交通数据集,采用Faster R-CNN这一深度学习的对象检测算法分析了训练数据集规模、预训练模型、训练方式、迭代次数等对车辆行人检测结果的影响.实验结果分析为今后对象检测模型的训练尤其是交通图像对象检测模型的训练提供数据支撑,从而为智能交通的车辆行人检测研究提供便利.
多目标、深度学习、对象检测、智能交通
48
TE46(油气田建设工程)
2020-12-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
2393-2399