原文服务方: 计算机应用研究       
摘要:
目前道路违规事件检测多在固定摄像头下人工框定区域进行检测,但人工框定工作量大,并且摄像头转动会使得框定区域失效.针对此问题,率先提出一种目标检测与语义分割相结合的违停检测方法.该方法首先使用目标检测Faster R-CNN,采取迁移学习、多阶段训练等方法建模,提取共享单车的类别与检测框位置信息.再使用group normalization改进语义分割DeepLab v3+网络模型,提高其在小batch size下训练的模型精度,用于分割图像获得道路的语义和区域信息.最后综合两部分信息,根据单车检测框内不同道路区域所占比例判定共享单车是否属于违规停放.实验结果表明,该方法对共享单车类别的mAP为72.36%,对共享单车违规停放的平均检测率为89.11%,适用于真实城市道路监控环境中.
推荐文章
基于语义分割的槟榔内核轮廓检测
语义分割
边缘检测
深度学习
全卷积网络
扩张卷积
基于实时语义分割模型的机场道面裂缝检测方法研究
机场道面
裂缝检测
深度学习
实时语义分割
基于卷积神经网络和语义相关的协同显著性检测
协同显著性检测
深度学习
卷积神经网络
图像组语义相关类
基于图像语义分割的药用玻璃瓶外轮廓尺寸检测方法研究
图像语义分割
三维轮廓检测
药用玻璃瓶
图像边缘检测
图像深度学习
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 基于目标检测和语义分割共享单车类别与违停检测
来源期刊 计算机应用研究 学科
关键词 共享单车 目标检测 语义分割 违停检测
年,卷(期) 2020,(10) 所属期刊栏目 图形图像技术
研究方向 页码范围 3175-3179
页数 5页 分类号 TP389.1
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2019.05.0170
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 刘正熙 42 266 9.0 16.0
2 熊运余 39 147 6.0 11.0
3 李征 34 258 8.0 15.0
4 严广宇 3 0 0.0 0.0
5 赵逸如 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (1)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(3)
  • 参考文献(2)
  • 二级参考文献(1)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(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
共享单车
目标检测
语义分割
违停检测
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导