基于深度学习的交通图像识别的研究与应用

• 作者: 章康明 曹新
• 来源期刊: 软件工程
• 关键词: 深度学习 计算机视觉 目标检测 SSD
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 方法与技术|Method & Technology
• 页码范围: 32-36,27
• 页数: 6页
• 分类号: TP311.5
• 语种: 中文
• DOI: 10.19644/j.cnki.issn2096-1472.2021.06.008

摘要

为了克服目标检测算法在交通图像识别领域对数据集利用不充分、对小物体检测不敏感等问题,提出了一种基于SSD算法改进的检测模型.选择自动驾驶领域最重要的测试集作为模型训练的数据集,通过对比实验,选择出训练集、验证集和测试集最合适的划分比例.实验结果显示,合理的数据集划分相较于其他的对照组对于检测目标的准确率提升了13％,检测时间缩短了15％,证明合理的数据集划分能够提升模型泛化能力和检测效率.针对该算法对于小物体检测不敏感这一问题,有针对性地调整了模型的结构及参数,并修改了模型输入图像的尺寸.实验结果表明,在输入相同图片尺寸下,模型对于小物体的检测能力显著提升,整体检测能力提升了14.5％,且保证了较高的检测速率.以上均证明新算法的有效性.