安徽大学学报(自然科学版)

2021, v.45;No.196(03) 26-33

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进Faster R-CNN的车辆类型识别算法
Vehicle type recognition algorithm based on the improved Faster R-CNN

宁俊;王年;朱明;

摘要(Abstract):

提出一种基于改进Faster R-CNN(region-convolutional neural networks)的车辆识别算法,用于处理不同类别车辆的识别问题.为了解决部分外形相似类别的车辆之间的误检问题,该方法使用空洞卷积来提高感受野,结合空洞空间金字塔池化(atrous spatial pyramid pooling,简称ASPP)来增强多尺度信息的获取,以此来增强网络对外形相似车辆之间差异的敏感性,提升算法的准确率.实验结果表明,改进的Faster R-CNN模型mAP值达到93.45%,具有较高的精确度、较小的误检率和更好的鲁棒性.

关键词(KeyWords): Faster R-CNN;车辆识别;空洞卷积

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(61772032,61672032)

作者(Author): 宁俊;王年;朱明;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享