基于SqueezeNet卷积神经网络的车辆检测

• 作者: 崔华 魏泽发
• 来源期刊: 物联网学报
• 学科: 工学
• 关键词: 智能交通 卷积神经网络 SqueezeNet 车辆检测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 专题:智慧交通物联网
• 页码范围: 120-125
• 页数: 6页
• 分类号: TP389.1
• 语种: 中文
• DOI: 10.11959/j.issn.2096−3750.2020.00175

摘要

在智能交通系统中,针对车辆目标检测算法可移植性不高、检测速度较慢等问题,提出了一种基于SqueezeNet卷积神经网络的车辆检测方法.通过融合SqueezeNet与SSD(single shot multibox detector)算法的车辆检测方法,在UA-DETRAC数据集上进行训练,实现了车辆目标的快速检测,提升了模型的可移植性,缩短了单帧检测时间.实验结果表明,所提模型在保证准确率的同时,模型单帧检测时间可达22.3 ms,模型大小为16.8 MB,相较于原SSD算法,模型大小减少了约8/9.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔华		19	73	5.0	8.0
2	魏泽发		4	3	1.0	1.0