典型文献
基于卷积神经网络的夜间车辆检测算法
文献摘要：
针对夜间车辆检测模型的精度要求,提出以夜间车辆为研究对象,利用深度学习中的卷积神经网络构建检测模型.首先对数据集进行白平衡处理以减少路灯颜色的干扰进而增强图像画质,并用Mosaic数据增强来丰富检测数据集进而提升模型对小目标车辆的检测效果;其次针对先验框的选取采用K-means++算法,并利用交并比距离对先验框进行聚类;接着向主干特征提取网络加入注意力机制模块来增强残差结构特征图中目标的通道和空间特征信息;最后在损失函数的原始置信度交叉熵损失中引入梯度均衡机制,使模型有效衰减难易样本.通过在UA-DETRAC数据集的实验与对比分析可知:本文提出的夜间车辆检测算法的精度可达99.24％,同时每秒处理图像帧数高达19帧,验证了该算法的有效可行性.
文献关键词：
夜间车辆检测;深度学习;注意力机制模块;梯度均衡机制
中图分类号：
作者姓名：
张文丽;徐丽;刘星星
作者机构：
长安大学信息工程学院,陕西 西安 710000
文献出处：
引用格式：
[1]张文丽;徐丽;刘星星-.基于卷积神经网络的夜间车辆检测算法)[J].计算机与现代化,2022(05):108-113,118
A类：
B类：
夜间车辆检测,检测算法,检测模型,精度要求,网络构建,白平衡,平衡处理,路灯,增强图像,画质,Mosaic,数据增强,检测数据集,小目标,目标车辆,检测效果,先验框,means++,交并比,主干特征提取网络,注意力机制模块,残差结构,特征图,空间特征,特征信息,损失函数,置信度,交叉熵损失,梯度均衡机制,难易,UA,DETRAC,每秒,图像帧数
AB值：
0.375686
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
