文献类型：期刊文章

作　　者：宋焕生[1] 张向清[1] 郑宝峰[1] 严腾[1]

Song Huansheng;Zhang Xiangqing;Zheng Baofeng;Yan Teng(School of Information Engineering,Chang’an University,Xi’an 710064,China)

机构地区：[1]长安大学信息工程学院,西安710064

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61572083);陕西省自然科学基础研究计划资助项目(2015JZ018;2015JQ6230);中央高校基本科研业务费资助项目(310824152009;310824163411)

年　　份：2018

卷　　号：35

期　　号：4

起止页码：1270-1273

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对实际交通场景下的车辆目标,应用深度学习目标分类算法中具有代表性的Faster R-CNN框架,结合Image Net中的车辆数据集,把场景中的目标检测问题转换为目标的二分类问题,进行车辆目标的检测识别。相比传统机器学习目标检测算法,基于深度学习的目标检测算法在检测准确度和执行效率上优势明显。通过本实验结果分析表明,该方法在识别精度以及速度上均取得了显著的提高。

关 键 词：深度学习  FASTER R-CNN  ImageNet数据集  车辆目标检测  

分 类 号：TP391.4]