基于轻量化SSD的车辆及行人检测网络附视频

被引：13

作者：

郑冬 ^{[1
]}

李向群 ^{[1
]}

许新征 ^{[1
,2
]}

机构：

[1] 中国矿业大学计算机科学与技术学院

[2] 数据科学与智能应用福建省高校重点实验室

来源：

南京师大学报(自然科学版) | 2019年 / 01期

关键词：

目标检测; 卷积神经网络; 轻量化神经网络; SSD; MobileNetv2;

D O I：

暂无

中图分类号：

U463.6 [电气设备及附件]; TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ;

摘要：

近年来,基于深度学习的目标检测算法发展迅速.但是由于深度网络规模过大,导致其还不能在嵌入式平台上进行广泛应用.本文针对SSD(Single Shot Multi-box Detector)模型的规模进行优化,引入了轻量化卷积神经网络MobileNetv2,对比了SSD和其轻量化版本SSDLite的网络结构,在此基础上提出了基于轻量化SSD的车辆及行人检测模型LVP-DN(Lightweight Vehicle and Pedestrian Detection Network).首先,通过MobilNetv2替代VGG作为基础网络进行特征提取.然后,用轻量化的SSD版本SSDLite替代SSD,从而达到减少模型大小、加快检测速度的目的.进一步通过优化默认候选框的比例,提高了网络对行人的检测精度.最后,在KITTI和PASCAL VOC数据集上分别对比了不同基础网络、输入图像尺寸及是否使用预训练模型这3个因素对网络性能的影响.实验结果表明,相比其他流行的目标检测模型,本文所提出的车辆及行人检测模型在精度、速度和模型大小等评价标准上取得了较好的效果.

引用

页码：73 / 81

页数：9