基于小型深度学习网络的车位检测方法

• 作者: 徐维庆 杨科 王炜斌
• 来源期刊: 汽车实用技术
• 学科: 交通运输
• 关键词: 深度学习 车位检测 环视图像 网络裁剪
• 年，卷（期）: 2020,（13）
• 所属期刊栏目: 测试试验
• 页码范围: 155-158
• 页数: 4页
• 分类号: U461.99
• 字数: 2479字
• 语种: 中文
• DOI: 10.16638/j.cnki.1671-7988.2020.13.049

摘要

针对车载嵌入式系统开发需求,文章提出一种小型深度学习网络的车位检测方法.环视图像的车位角点具有大小相近、分布均匀的特点,将整个环视图像分割成若干个子图像,裁剪深度网络模型结构,使用小网络对各个子图像进行车位角点检测,可以有效降低大图像高算力的要求.实验数据表明,以384*640图像大小为例,将原图像分割成128*128子图像,子图像的深度网络算力要求为原图像的1/15,而相应的检测性能没有损失.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨科		3	0	0.0	0.0
2	王炜斌		1	0	0.0	0.0
3	徐维庆		2	0	0.0	0.0