基于SSD-MobilenetV3模型的车辆检测

廖慕钦; 周永军; 汤小红; 蒋淑霞; 李宇琼

doi:10.13873/J.1000-9787(2022)06-0142-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于SSD-MobilenetV3模型的车辆检测

计算与测试 | 更新时间：2025-09-11

- 基于SSD-MobilenetV3模型的车辆检测
- 基于SSD-MobilenetV3模型的车辆检测
- 传感器与微系统 2022年第6期页码：142-145
- 作者机构：
  
  中南林业科技大学机电工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)06-0142-04
  中图分类号： U463.6;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
廖慕钦, 周永军, 汤小红, 等. 基于SSD-MobilenetV3模型的车辆检测[J]. 传感器与微系统, 2022,(6):142-145.

基于SSD-MobilenetV3模型的车辆检测[J]. 2022, (6): 142-145.
廖慕钦, 周永军, 汤小红, 等. 基于SSD-MobilenetV3模型的车辆检测[J]. 传感器与微系统, 2022,(6):142-145. DOI： 10.13873/J.1000-9787(2022)06-0142-04.

基于SSD-MobilenetV3模型的车辆检测[J]. 2022, (6): 142-145. DOI： 10.13873/J.1000-9787(2022)06-0142-04.

摘要

针对自动驾驶平台车辆检测问题，提出一种结合迁移学习的卷积神经网络（CNN）模型SSD-MobilenetV3。网络结合SSD检测速度较快与MobilenetV3占用内存小的优点，将SSD模型的基础网络替换成MobilenetV3。首先，结合迁移学习的方法，在COCO数据集上对网络进行预训练，再使用自建融合车辆数据集对预训练模型全连接层进行重新训练，可在短时间训练下得到收敛，并有较好的准确率。实验结果表明：相比原SSD模型，检测准确率达到85.6%

提高了3.1%;参数量减为16.9 Mbyte

减少了83.1%。模型在准确率小幅上升的同时，大幅度减少占用内存，更适用于自动驾驶平台。

Abstract

提高了3.1%;参数量减为16.9 Mbyte

减少了83.1%。模型在准确率小幅上升的同时，大幅度减少占用内存，更适用于自动驾驶平台。

关键词

Keywords

references

基于改进卷积神经网络的快速车辆检测 [J]. 朱锋彬,应娜. 传感器与微系统 . 2018(12)

基于轮廓特征点的重叠车辆检测与分割 [J]. 朱世松,樊菁芳,朱洪锦. 计算机工程 . 2016(07)

基于深度卷积神经网络的智能车辆目标检测方法研究 [D]. 赵锟. 国防科学技术大学 2015

行驶车辆图像检测技术研究 [D]. 崔江. 南京航空航天大学 2003

A real-time computer vision system for vehicle tracking and traffic surveillance [J] . Benjamin Coifman,David Beymer,Philip McLauchlan,Jitendra Malik. Transportation Research Part C . 1998 (4)

浏览量

735

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据