卷积神经网络SSD的道路目标检测

• 作者: 曹朝辉 梁杰 赵建国
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 道路 目标检测 深度学习 卷积神经网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 数控与自动化
• 页码范围: 181-184
• 页数: 4页
• 分类号: TH16|TP391
• 字数: 2268字
• 语种: 中文

摘要

针对在传统的道路目标识别中,需要进行手工提取特征,模型的泛化能力差.使用深度学习的技术,提出了使用深度卷积神经网络(SSD)解决道路目标问题.该方法首先对图像特征进行自动提取,在基础网络后添加不同尺寸的特征图,然后对多尺寸的特征图做卷积滤波,得到目标坐标值和目标的类别.实验中,在SSD模型中增加了特征图的检测层数,增大原图像尺寸,调试相应的参数,经过多次迭代,最终得到目标模型.实验采用行车记录仪采集的图像,在图像中标定出车辆、行人和骑行的人三类,实验表明,检测目标尺寸越小,检测难度越大,检测效果越差,SSD模型对目标检测的平均准确率均值提高了0.082.提出的道路目标检测方法与传统目标识别算法相比,省去了手工特征提取,减少了工作量,提高了模型的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵建国	郑州大学机械工程学院	29	113	6.0	9.0
2	梁杰	郑州大学机械工程学院	9	8	1.0	2.0
3	曹朝辉	郑州大学机械工程学院	2	0	0.0	0.0