-
题名基于SSD的不平衡样本车辆检测与识别
被引量：1
- 1
-
-
作者
马浩良
谢林柏
-
机构
江南大学物联网工程学院
-
出处
《计算机技术与发展》
2019年第12期135-140,共6页
-
基金
国家自然科学基金(61374047,60973095)
江苏省博士后科研资助计划(1601085C)
-
文摘
为了实现在复杂环境,车辆样本不平衡情况下的实时车辆检测与识别,基于SSD算法搭建了车辆检测与识别的框架。针对车辆数据存在车型难易样本不均衡以及SSD方法存在的正负样本不平衡问题,在SSD引入改进的损失函数来挖掘难易样本,通过提高难样本的学习比例来更好地识别样本较少的车辆类型。引入SSD级联的网络结构,在第一级SSD挖掘正负样本,在第二级SSD根据第一级SSD的指导过滤掉大量的负样本。构建了拥有7480幅图像,包含4种车辆类型的数据集对该方法进行验证。实验结果表明,基于改进SSD的方法提高了少样本车辆类型的准确率,使整体检测精度取得了90.0%的准确率。针对不均衡样本的车辆数据集有较好的通用性,适用于车辆检测与识别任务。
-
关键词
车辆检测与识别
SSD
样本不平衡
难易样本挖掘
正负样本挖掘
-
Keywords
vehicle detection and recognition
SSD
sample imbalance
hard sample mining
positive and negative sample mining
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于改进SSD的机动车检测方法
- 2
-
-
作者
马浩良
谢林柏
-
机构
江南大学物联网工程学院
-
出处
《计算机与数字工程》
2020年第10期2405-2410,共6页
-
基金
国家自然科学基金项目(编号:61374047,60973095)
江苏省博士后科研计划(编号:1601085C)资助。
-
文摘
论文基于SSD搭建了机动车检测框架。应用聚类方法对机动车数据集进行数据挖掘以得到更符合车辆尺寸的先验包围框。针对机动车数据集的正负样本不平衡问题,论文引入级联SSD的网络结构。第一级SSD挖掘正负样本,第二级SSD根据第一级SSD预处理的指导来过滤掉大量的负样本。同时在级联SSD之间加入融合特征层,以提高特征提取能力。为了验证该方法,论文在DETRAC数据集上评估了改进的SSD网络,取得了69.96%的检测精度,比SSD提高了13.07%。从实验结果可以看出该方法具有较好的通用性,适用于机动车检测任务。
-
关键词
机动车检测
SSD
聚类
正负样本不平衡
正负样本挖掘
DETRAC
-
Keywords
vehicle detection
SSD
clustering
positive and negative sample imbalance
positive and negative sample mining
DETRAC
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
