基于深度卷积神经网络的停车位检测

论文摘要

提高大型停车场中的停车位检测精度和实时性具有重要意义。介绍了在基于深度学习框架tensorflow下搭建包括基础网络和辅助网络的网络结构。基础网络是Resnet网络,用于提取图像特征信息和图像分类信息;辅助网络是多尺度特征检测网络,用于提取不同尺度的特征图。最后通过非极大值抑制算法筛除重复检测框,得到停车位检测最佳位置。实验结果表明,该网络mAp值为81%,fps为32,与SSD、YOLO、Faster R-cnn相比,mAp值分别提高为2%,4.6%,0.5%,fps值分别提高为2,4,24,有效提高检测精度和实时性。

论文目录

• 0 引 言
• 1 停车位检测方案设计
•   1.1 搭建深度学习神经网络模型
•   1.2 特征层默认框映射
•   1.3 损失函数
•   1.4 残差网络
• 2 实 验
•   2.1 实验数据
•   2.2 实验环境
•   2.3 构建车位检测模型
•   2.4 测试结果及分析
• 3 结 论

文章来源

类型: 期刊论文

作者: 王马成,黎海涛

关键词: 停车位检测,非极大值抑制算法

来源: 电子测量技术 2019年21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: 北京工业大学信息学部

分类号: TP391.41;TP183;U491.7

DOI: 10.19651/j.cnki.emt.1902743

页码: 105-108

总页数: 4

文件大小: 341K

下载量: 181