基于SSD的不平衡样本车辆检测与识别

• 作者: 谢林柏 马浩良
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 车辆检测与识别 SSD 样本不平衡 难易样本挖掘 正负样本挖掘
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 应用开发研究
• 页码范围: 135-140
• 页数: 6页
• 分类号: TP301
• 字数: 3951字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.12.024

摘要

为了实现在复杂环境,车辆样本不平衡情况下的实时车辆检测与识别,基于SSD算法搭建了车辆检测与识别的框架.针对车辆数据存在车型难易样本不均衡以及SSD方法存在的正负样本不平衡问题,在SSD引入改进的损失函数来挖掘难易样本,通过提高难样本的学习比例来更好地识别样本较少的车辆类型.引入SSD级联的网络结构,在第一级SSD挖掘正负样本,在第二级SSD根据第一级SSD的指导过滤掉大量的负样本.构建了拥有7480幅图像,包含4种车辆类型的数据集对该方法进行验证.实验结果表明,基于改进SSD的方法提高了少样本车辆类型的准确率,使整体检测精度取得了90.0％的准确率.针对不均衡样本的车辆数据集有较好的通用性,适用于车辆检测与识别任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢林柏	江南大学物联网工程学院	68	452	12.0	18.0
2	马浩良	江南大学物联网工程学院	2	1	1.0	1.0