基于SqueezeNet卷积神经网络的车辆检测

TP389.1; 在智能交通系统中,针对车辆目标检测算法可移植性不高、检测速度较慢等问题,提出了一种基于SqueezeNet卷积神经网络的车辆检测方法.通过融合SqueezeNet与SSD(single shot multibox detector)算法的车辆检测方法,在UA-DETRAC数据集上进行训练,实现了车辆目标的快速检测,提升了模型的可移植性,缩短了单帧检测时间.实验结果表明,所提模型在保证准确率的同时,模型单帧检测时间可达22.3 ms,模型大小为16.8 MB,相较于原SSD算法,模型大小减少了约8/9....

Full description

Saved in:
Bibliographic Details
Published in物联网学报 Vol. 4; no. 3; pp. 120 - 125
Main Authors 魏泽发, 崔华
Format Journal Article
LanguageChinese
Published 长安大学教育技术与网络中心,陕西西安 710064%长安大学信息工程学院,陕西西安 710064 2020
Subjects
卷积神经网络
SqueezeNet
智能交通
车辆检测
Online AccessGet full text

Cover

More Information
Summary:TP389.1; 在智能交通系统中,针对车辆目标检测算法可移植性不高、检测速度较慢等问题,提出了一种基于SqueezeNet卷积神经网络的车辆检测方法.通过融合SqueezeNet与SSD(single shot multibox detector)算法的车辆检测方法,在UA-DETRAC数据集上进行训练,实现了车辆目标的快速检测,提升了模型的可移植性,缩短了单帧检测时间.实验结果表明,所提模型在保证准确率的同时,模型单帧检测时间可达22.3 ms,模型大小为16.8 MB,相较于原SSD算法,模型大小减少了约8/9.
ISSN:2096-3750
DOI:10.11959/j.issn.2096?3750.2020.00175