如需要完整文档点击下方 "点击下载文档" 按钮

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 7 480 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。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于 SSD 的不平衡样本车辆检测与识别》

将 完整文档 下载到本地，方便收藏和查阅

文件号：062388

点击下载文档