基于Faster RCNN和YOLO的交通场景下的车辆检测

基于Faster RCNN和YOLO的交通场景下的车辆检测

论文摘要

高级驾驶辅助系统(advanced driver assistance systems,ADAS)已经变成近几年汽车领域的研究热点,交通场景下的车辆检测是ADAS系统的重要组成部分。为实现车辆检测性能和计算效率之间的平衡,针对Fast RCNN使用选择性搜索算法进行特征提取耗时较长且检测准确率较低的问题,提出了基于Faster RCNN和YOLO的一种新的网络架构。该方法非常简单,可以在具有挑战性的KITTI数据集中进行端到端的训练并表现的不错,超越了Faster RCNN的检测效果。同时,该方法也非常有效,运行速度超过每秒24帧,可以达到实时检测。

论文目录

  • 0 引言
  • 1 网络结构设计
  •   1.1 网络架构
  •   1.2 编码器
  •   1.3 解码器
  • 2 训练细节
  • 3 实验结果
  •   3.1 数据集
  •   3.2 实验评估
  • 4 结语
  • 文章来源

    类型: 期刊论文

    作者: 徐亮,黄李波,白杰

    关键词: 数据集,车辆检测

    来源: 佳木斯大学学报(自然科学版) 2019年02期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 汽车工业,计算机软件及计算机应用

    单位: 同济大学汽车学院

    基金: 国家重点研发计划(2016YFB0101101)

    分类号: U463.6;TP391.41

    页码: 232-235

    总页数: 4

    文件大小: 220K

    下载量: 633

    相关论文文献

    标签:;  ;  

    基于Faster RCNN和YOLO的交通场景下的车辆检测
    下载Doc文档

    猜你喜欢