基于迁移学习的交通场景车辆实时检测算法

• 作者: 商国军 杨利红 王列伟
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 迁移学习 车辆检测 卷积神经网络 YOLOv2
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 算法分析
• 页码范围: 123-124,126
• 页数: 3页
• 分类号: TP391.41
• 字数: 1767字
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2018.04.61

摘要

为实现精确实时的车辆检测,本文算法基于迁移学习思想,以深度学习实时检测算法YOLOv2为基础.使用在大规模数据集上预训练得到的分类模型初始化YOLOv2卷积神经网络,搜集交通场景车辆图片并标注后输入该网络利用反向传播进行微调,从而得到最终的车辆检测模型.测试结果表明,本文算法在包含300张车辆图片的测试集中MAP达到0.788,每帧检测平均耗时15ms,满足工程应用实时性要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨利红	中国电子科技集团公司第三十八研究所	4	9	1.0	3.0
2	王列伟	中国电子科技集团公司第三十八研究所	3	6	1.0	2.0
3	商国军	中国电子科技集团公司第三十八研究所	1	0	0.0	0.0