10.3969/j.issn.1000-1220.2019.07.014
基于深度学习模型的非法流动摊贩检测方法研究
流动摊贩虽然为居民生活带来一定便利,但由于其阻碍交通,影响社会秩序,出售的产品存在食品安全问题,是城市管理部门需要重点监控、管理的对象.非法流动摊贩管理的难点在于其流动性.城市管理部门无法确定其经营的时间、地点,监管难度大,管理成本高.本文将先进的深度学习和机器视觉技术应用到城市管理任务,针对实际需求提出基于深度学习模型的非法流动摊贩检测方法.该方法通过人工标注数据集训练并使用注意力机制( attention mechanism)和Inception Resnet-v2模型改进的Faster R-CNN,得到目标检测模型Faster R-CNN Inception Resnet-v2 attention模型(FRIRAM),对非法流动摊位与行人进行检测,获取位置信息.进一步进行取证,通知管理人员定点监控、管理.本文在测试数据集上进行验证,结果显示出较好的检测效果,证明本方法的应用价值.
流动摊贩、城市管理、深度学习、注意力机制
40
TP29(自动化技术及设备)
国家自然科学基金项目61502423,61572439;浙江省科技计划项目LGF18F030009;浙江省自然科学基金项目LY19F020025;宁波市创新科技2025重大专项项目2018B10063
2019-07-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
1430-1436