基于改进深度卷积神经网络的车辆检测方法研究

摘要：

基于视觉的车辆检测作为辅助驾驶系统的输入,对智能车辆预警和决策起着重要的作用.针对目前传统深度卷积神经网络在基础网络设计和物体检测网络构建的不足,提出一种对经典的深度残差网络进行改进方法,提出带局部连接的残差单元,并以此构建带局部连接的残差网络;同时,提出基于共享参数的多分支网络和双金字塔语义传递网络形式,提升不同语义级别特征融合前的语义级别,以及实现深度融合不同分辨率特征图的语义.经过测试,车辆的检测准确率最高达到95.3％,且具备较高的实时性和环境适应性.

关键词：智能汽车、深度卷积神经网络、车辆检测、算法验证

分类号：U463.6(汽车工程)

资助基金：基于智能行人检测汽车辅助安全驾驶技术研究;衢州市科技计划指导性项目

在线出版日期：2022-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：5-7,10