帮助 关于我们

返回检索结果

基于Faster RCNN的智能车道路前方车辆检测方法
Forward Vehicle Detection Method of Intelligent Vehicle in Road Based on Faster RCNN

查看参考文献19篇

文摘 使用Fast RCNN方法进行特征提取存在耗时较长且检测准确率较低的问题。为此,结合Faster RCNN前方车辆检测模型与3种不同大小的卷积神经网络,提出一种改进的前方车辆检测方法,研究对比各方法在3种交通场景数据库上的前方车辆检测能力。实验结果表明,与深度卷积神经网络方法相比,该方法提高了车辆检测的准确性和鲁棒性,具有一定的泛化能力。
其他语种文摘 Using Fast RCNN method for feature extraction takes a long time and the detection accuracy is low,this paper proposes an improved forward vehicle detection method that combines the forward vehicle detection model based on Faster RCNN with Convolution Neural Network( CNN) of three different sizes. The forward vehicle detection ability of different methods on three traffic scene databases is researched and compared. Experimental results show that compared with the deep CNN,this method improves the accuracy and robustness of vehicle detection,and has a generalization ability.
来源 计算机工程 ,2018,44(7):36-41 【扩展库】
DOI 10.19678/j.issn.1000-3428.0050993
关键词 智能车 ; 前方车辆 ; 深度卷积神经网络 ; 训练模型 ; 准确率
地址

北京联合大学, 北京市信息服务工程重点实验室, 北京, 100101

语种 中文
文献类型 研究性论文
ISSN 1000-3428
学科 自动化技术、计算机技术
基金 国家自然科学基金“视听觉信息的认知计算 ;  北京市教委科研基金
文献收藏号 CSCD:6285665

参考文献 共 19 共1页

1.  Geiger A. Vision meets robotics: the KITH dataset. International Journal of Robotics Research,2013,32(11):1231-1237 被引 322    
2.  郑胤. 深度学习及其在目标和行为识别中的新进展. 中国图象图形学报,2014,19(2):175-184 被引 64    
3.  Tang Yong. Vehicle detection and recognition for intelligent traffic surveillance system. Multimedia Tools and Applications,2017,76(4):5817-5832 被引 4    
4.  Girshick R. Rich feature hierarchies for accurate object detection and semantic segmentation. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition,2014:580-587 被引 89    
5.  邹冲. 基于SVM-LeNet模型融合的行人检测算法. 计算机工程,2017,43(5):169-173 被引 5    
6.  Zhang Chong. Cross-scene crowd counting via deep convolutional neural networks. Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition,2015:833-841 被引 1    
7.  李琳辉. 基于卷积神经网络的道路车辆检测方法. 吉林大学学报(工学版),2017,47(2):384-391 被引 18    
8.  曹诗雨. 基于Fast R-CNN的车辆目标检测. 中国图象图形学报,2017,22(5):671-677 被引 27    
9.  Girshick R. Fast R-CNN. Proceedings of IEEE International Conference on Computer Vision,2015:1440-1448 被引 83    
10.  Wang X. A-Fast-RCNN: Hard positive generation via adversary for object detection. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition,2017:3039-3048 被引 2    
11.  韩凯. 一种基于Faster R-CNN的车辆检测算法. 西南科技大学学报(自然科学版),2017,32(4):65-70 被引 1    
12.  Uijlings J R. Selective search for object recognition. International Journal of Computer Vision,2013,104(2):154-171 被引 423    
13.  He Kaiming. Spatial pyramid pooling in deep convolutional networks for visual recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence,2014,37(9):1904-1916 被引 55    
14.  Cai Zhaowei. A unified multi-scale deep convolutional neural network for fast object detection,2016 被引 2    
15.  姚相坤. 基于多结构卷积神经网络的高分遥感影像飞机目标检测. 计算机工程,2017,43(1):259-267 被引 8    
16.  桑军. Faster-RCNN的车型识别分析. 重庆大学学报(自然科学版),2017,40(7):32-36 被引 19    
17.  Ren Shaoqing. Faster R-CNN: towards real-time object detection with region proposal networks. IEEE Transactions on Pattern Analysis and Machine Intelligence,2015,39(6):1137-1149 被引 124    
18.  王盛玉. 基于卷积神经网络参数优化的中文情感分析. 计算机工程,2017,43(8):200-207 被引 8    
19.  蔡英凤. 采用视觉显著性和深度卷积网络的鲁棒视觉车辆识别算法. 江苏大学学报(自然科学版),2015,36(3):331-336 被引 5    
引证文献 5

1 刘梦 基于深度学习与迁移学习的中医舌象提取识别研究 中医杂志,2019,60(10):835-840
被引 16

2 闫建伟 改进Faster-RCNN自然环境下识别刺梨果实 农业工程学报,2019,35(18):143-150
被引 25

显示所有5篇文献

论文科学数据集
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

版权所有 ©2008 中国科学院文献情报中心 制作维护:中国科学院文献情报中心
地址:北京中关村北四环西路33号 邮政编码:100190 联系电话:(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号