基于SSD卷积神经网络的智能交通应用研究

论文摘要

针对传统的道路交通监控系统对目标的识别准确率较差、模型鲁棒性较弱且不具备实时性等问题,本文提出了一种基于卷积神经网络的道路交通目标检测方法。和传统的道路监控检测系统相比,卷积神经网络的模型更加适合处理大规模的数据。在卷积神经网络的分层特征提取下,既可以获得图像的低级语义,也可以获得图像的高级语义,经过对不同层级的样本特征分析,可以综合性地对目标进行识别分类,进一步提高模型的分类性能。验证结果表明该方法不但在准确率方面远远优于传统的识别系统,而且在硬件条件允许的情况下具有实时性。

论文目录

• 1 SSD模型
•   1.1 模型功能介绍
•   1.2 模型的损失函数
• 2 构建数据集
• 3 对模型进行迁移学习
• 4 模型的测试及相关数据
•   4.1 实验环境
•   4.2 实验参数设置
•   4.3 实验数据对比分析
•   4.4 模型的测试效果展示
• 5 结束语

文章来源

类型: 期刊论文

作者: 金亚楠,严碧波

关键词: 卷积神经网络,模型,迁移学习,目标检测

来源: 电脑知识与技术 2019年20期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,计算机软件及计算机应用,自动化技术

单位: 长江大学电子信息学院

分类号: TP183;U495

DOI: 10.14004/j.cnki.ckt.2019.2266

页码: 211-213

总页数: 3

文件大小: 1487K

下载量: 128