典型文献
Faster R-CNN在车辆视频目标检测的应用
文献摘要：
近年来,解决交通拥堵问题已经成为交通管理方面的重要任务,车辆检测与识别的广泛应用也是解决交通拥堵问题的常用方式之一.基于卷积神经网络的Faster R-CNN逐渐成为一种重要的图像目标检测和识别方法.该算法检测精度高、限制小,因此受到了广泛的关注.目前常用的算法模型均是基于模型本身参数的修正,很少涉及网络结构以外的改进方式.文章对Faster R-CNN车辆目标检测方法的网络结构改进、锚框提取改进及候选框参数修正方法进行论述,特别是对数据集预处理后再训练能提高效率.经过改进的方法不仅能使网络结构轻量化,也增加了网络的泛化能力,使Faster R-CNN能完成更复杂的交通环境检测任务,并且识别精度也得到了显著提升.
文献关键词：
车辆检测;卷积神经网络;识别率;锚框
中图分类号：
作者姓名：
哈敏捷;陈梦玲
作者机构：
长安大学汽车学院,陕西西安 710064
文献出处：
引用格式：
[1]哈敏捷;陈梦玲-.Faster R-CNN在车辆视频目标检测的应用)[J].汽车实用技术,2022(07):16-18
A类：
B类：
Faster,视频目标检测,交通拥堵,交通管理,车辆检测,检测与识别,常用方,图像目标检测,检测和识别,检测精度,算法模型,基于模型,改进方式,车辆目标检测,目标检测方法,结构改进,锚框,候选框,参数修正,修正方法,数据集预处理,提高效率,结构轻量化,泛化能力,交通环境,环境检测,识别精度,识别率
AB值：
0.435805
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。
