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:
近年来,深度学习的卷积神经网络已经逐步应用于人们的生活之中,尤其是日益增加的交通管理系统.针对于桥面上过往车辆检测问题,论文引入SSD(Single Shot MuhiBox Detector)网络,采用VGG作为基础网络提取网络结构特征,运用Softmax多分类器得到检测结果.通过对比视频中车辆检测的结果,论文在速度和精度上都达到了车辆检测的实时要求.论文通过该方法与两个不同检测算法比较,得出SSD的检测算法最优.
推荐文章
北斗定位特种车辆实时油耗检测算法研究
油耗检测
特种车辆
超声传感
北斗定位
数学模型
基于改进SSD的视频烟火检测算法
烟火检测
轻量化
SSD
GhostNet
Concat
特征融合
基于计算机视觉的实时车辆运动速度检测算法研究
计算机视觉
车辆检测
速度检测
消除车辆阴影
视频图像的车辆速度实时检测算法研究
倾斜矫正
车灯定位
对称性
摄像机标定
车速检测
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SSD的实时车辆检测算法研究
来源期刊 计算机与数字工程 学科 工学
关键词 SSD 车辆检测 机器学习
年,卷(期) 2019,(11) 所属期刊栏目 算法与分析
研究方向 页码范围 2763-2766
页数 4页 分类号 TP391.41
字数 2498字 语种 中文
DOI 10.3969/j.issn.1672-9722.2019.11.024
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 明德烈 华中科技大学自动化学院多谱信息处理技术国家级重点实验室 37 240 9.0 14.0
2 张辉 16 16 2.0 3.0
4 周斌 2 0 0.0 0.0
10 谭威 华中科技大学自动化学院多谱信息处理技术国家级重点实验室 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (54)
共引文献  (119)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(5)
  • 参考文献(0)
  • 二级参考文献(5)
1995(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(7)
  • 参考文献(2)
  • 二级参考文献(5)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
SSD
车辆检测
机器学习
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
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
总被引数(次)
47579
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导