基于卷积神经网络的多目标实时检测

论文摘要

为解决智能驾驶应用场景下以行人与车辆为主,附带骑行电动车的多目标检测存在检测速度不满足实时性的问题,提出一种多目标实时检测方法。通过对YOLO (you look only once)v2卷积神经网络模型进行维度聚类分析以及结构调整等优化举措,行人与车辆检测AP (平均准确率)值分别为71%和81%,检测速度为50帧/s。实验结果表明,该方法与目前先进目标检测方法相比,在准确率相差5%以内的前提下大幅提高检测速度,实现了实时性检测的目标。

论文目录

• 0 引言
• 1 卷积神经网络简介
• 2 YOLO模型简介
• 3 基于YOLOv2的改进实现
•   3.1 高分辨率预分类
•   3.2 引入Anchor Boxes机制
•   3.3 维度聚类
•   3.4 直接位置预测
• 4 基于YOLOv2的网络结构
• 5 实验结果与分析
•   5.1 数据准备
•   5.2 相关超参数与性能评价指标
•   5.3 检测性能对比
• 6 结束语

文章来源

类型: 期刊论文

作者: 刘志成,祝永新,汪辉,田犁,封松林

关键词: 卷积神经网络,多目标检测,行人检测,车辆检测,实时检测,智能驾驶

来源: 计算机工程与设计 2019年04期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 汽车工业,计算机软件及计算机应用,自动化技术

单位: 中国科学院上海高等研究院,中国科学院大学电子电气与通信工程学院

基金: 国家重点研发计划基金项目(2017YFA0206104),上海市科学技术委员会科研计划基金项目(16511108701),张江管委会公共服务平台基金项目(2016-14)

分类号: TP391.41;TP183;U463.6

DOI: 10.16208/j.issn1000-7024.2019.04.030

页码: 1085-1090

总页数: 6

文件大小: 301K

下载量: 864