基于YOLOv2算法的运动车辆目标检测方法研究

被引：12

作者：

龚静

曹立

亓琳

李良荣

机构：

[1] 贵州大学大数据与信息工程学院

来源：

电子科技 | 2018年 / 31卷 / 06期

关键词：

机器视觉; 深度学习; YOLOv2; 神经网络; 多尺度训练; 车辆检测;

D O I：

10.16180/j.cnki.issn1007-7820.2018.06.002

中图分类号：

TP391.41 []; U495 [电子计算机在公路运输和公路工程中的应用];

学科分类号：

080203 ; 0838 ;

摘要：

针对隧道环境下行驶车辆视频的数据采集技术中检测速度慢、鲁棒性较差等问题,文中提出基于YOLOv2实时检测算法,采用小批量梯度下降法和冲量更新参数以及使用多尺度图像输入进行模型训练,以提高检测速度和准确度。实验结果表明,该算法比常用的CNN、Faster R-CNN等算法具有较大的优势,能够满足隧道通行车辆信息检测的准确性和实时性要求。

引用

页码：5 / 8+12 +12

页数：5

共 5 条

[1] 基于改进Sobel算法的车辆检测技术附视频 [J].