基于深度学习方法的复杂场景下车辆目标检测-计算机应用研究.PDFVIP

基于深度学习方法的复杂场景下车辆目标检测 作者 宋焕生, 张向清, 郑宝峰, 严腾 机构 长安大学 发表期刊 《计算机应用研究》 预排期卷 2018 年第35 卷第4 期 访问地址 /article/02-2018-04-004.html 发布日期 2017-03-31 16:55:08 引用格式 宋焕生, 张向清, 郑宝峰, 严腾. 基于深度学习方法的复杂场景下车辆目标检测[J/OL]. [2017-03- 31]. /article/02-2018-04-004.html. 摘要 针对实际交通场景下的车辆目标，应用深度学习目标分类算法中具有代表性的 Faster R-CNN 框 架，结合 ImageNet 中的车辆数据集，把场景中的目标检测问题转换为目标的二分类问题，进行 车辆目标的检测识别。相比传统机器学习目标检测算法，基于深度学习的目标检测算法在检测准 确度和执行效率上优势明显。通过本实验结果分析表明，该方法在识别精度以及速度上均取得了 显著的提高。 关键词 深度学习, Faster R-CNN, ImageNet 数据集, 车辆目标检测 中图分类号 TP391.4 基金项目 国家自然科学基金资助项目; 陕西省自然科学基础研究计划资助项目（2015JZ018， 2015JQ6230）; 中央高校基本科研业务费资助项目（310824152009，310824163411） 35 优先出版 计 算 机 应 用 研 究 第 卷 基于深度学习方法的复杂场景下车辆目标检测* 宋焕生，张向清，郑宝峰，严 腾 (长安大学，信息工程学院，西安 710064) 摘 要：针对实际交通场景下的车辆目标，应用深度学习目标分类算法中具有代表性的Faster R-CNN 框架，结合ImageNet 中的车辆数据集，把场景中的目标检测问题转换为目标的二分类问题，进行车辆目标的检测识别。相比传统机器学习目 标检测算法，基于深度学习的目标检测算法在检测准确度和执行效率上优势明显。通过本实验结果分析表明，该方法在 识别精度以及速度上均取得了显著的提高。 Faster R-CNN ImageNet 关键词：深度学习； ； 数据集；车辆目标检测 中图分类号：TP391.4 Vehicle detection based on deep learning in complex scene Song Huansheng, Zhang Xiangqing, Zheng Baofeng, Yan Teng (School of Information Engineering, Changan University, Xian 710064, China) Abstract: In recent years, Deep Learning algorithm has been widely used in the field of object detection.In this paper, vehicle objects come from the real traffic scene, Applied the Faster R-CNN framework, which was a representative of the de