作者:
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:
目前,卷积神经网络技术在智能交通目标检测算法中应用越来越广泛.针对传统的检测算法受光照、天气、路况、角度等外界因素影响,提出了一种基于卷积神经网络的改进算法.在基础的RetinaNet以及典型纹理特征上进行了优化,并结合显著性目标检测算法,产生受约束的候选区域,在判定是否为车辆目标的步骤前丢弃多个不可能的区域候选框.在车辆检测公开数据集和自己构建的航拍道路车辆数据集上验证,并与目前一些常用算法进行性能与效率的比较,体现了算法的优越性.
推荐文章
基于Faster R-CNN的无人机航拍图像小目标检测
Faster R-CNN
ResNet101
无人机
小目标检测
鸟巢
航拍场景下的车辆生成
GAN
车辆生成
pix2pix
多条件约束
基于改进Faster R-CNN的无人机航拍图像目标检测
无人机图像
目标检测
Faster R-CNN算法
K-means聚类
旋转不敏感
基于R-FCN的航拍巡检图像目标检测方法
深度学习
基于区域的全卷积网络
目标检测
航拍巡检
故障识别
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CNN的航拍图像中车辆目标检测
来源期刊 信息记录材料 学科 工学
关键词 卷积神经网络 显著性目标 纹理特征
年,卷(期) 2020,(2) 所属期刊栏目 信息:技术与应用
研究方向 页码范围 116-118
页数 3页 分类号 TP301
字数 2274字 语种 中文
DOI
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 阮士峰 3 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  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 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
卷积神经网络
显著性目标
纹理特征
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
信息记录材料
月刊
1009-5624
13-1295/TQ
大16开
河北省保定市乐凯南大街6号
18-185
1978
chi
出版文献量(篇)
9919
总下载数(次)
46
总被引数(次)
13955
论文1v1指导