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。
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
本文来源: https://www.lunwen90.cn/article/3c5648cac44a619fe4f64d0d.html