基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统车标检测与识别算法难以检测大型车辆车标,且速度较慢.提出了一种基于Edge Boxes的大型车辆车标检测与识别方法.Edge Boxes算法是一种成熟的图像分割算法,能够快速且有效地检测物体位置,满足大型车辆车标检测与识别问题的准确性及实时性的需求.该方法首先根据车标在车辆中的空间位置关系初选车标候选区,然后利用Edge Boxes算法进行目标提取,进而将提取得到的目标送入利用线性约束编码构建的车标检测分类器和车标识别分类器进行训练与识别,得到车标检测与识别结果.对不同卡口的不同天气和光照条件下采集的4480张图像(含50类大型车辆)进行实验,实验结果表明,在检测与识别性能以及时间消耗方面均优于传统方法,具有良好的实用前景.
推荐文章
基于Edge Boxes和深度学习的非限制条件下人脸检测
人脸检测
特征提取
深度学习
EdgeBoxes
卷积神经网络
非极大抑制算法
基于电磁感应的道路车辆车型在线分类方法研究
车辆车型
电磁感应
自适应共振神经网络
主成分
浅谈铁道车辆车轴
车轴
疲劳损坏
疲劳强度
设计
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Edge Boxes的大型车辆车标检测与识别
来源期刊 计算机工程与应用 学科 工学
关键词 大型车辆 车标检测与识别 Edge Boxes 线性约束编码 车标定位分类器 车标识别分类器
年,卷(期) 2018,(12) 所属期刊栏目 图形图像处理
研究方向 页码范围 152-159
页数 8页 分类号 TP391.41
字数 6644字 语种 中文
DOI 10.3778/j.issn.1002-8331.1702-0099
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (16)
参考文献  (12)
节点文献
引证文献  (1)
同被引文献  (4)
二级引证文献  (13)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(4)
  • 参考文献(2)
  • 二级参考文献(2)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(4)
  • 参考文献(2)
  • 二级参考文献(2)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(6)
  • 引证文献(0)
  • 二级引证文献(6)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
大型车辆
车标检测与识别
Edge Boxes
线性约束编码
车标定位分类器
车标识别分类器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导