期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进CenterNet的车辆识别方法
被引量：
14
1
作者
黄跃珍
王乃洲
+1 位作者
梁添才
赵清利
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021年第7期94-102,共9页
为解决车辆识别系统中类型识别率低的问题,提出了一种基于改进CenterNet的车辆识别方法。首先,该方法采用ResNet18作为基础网络,以减少网络参数;然后,针对CenterNet车辆目标识别存在定位效果不理想的问题,采用带间距的交并比损失取代Cen...
为解决车辆识别系统中类型识别率低的问题,提出了一种基于改进CenterNet的车辆识别方法。首先,该方法采用ResNet18作为基础网络,以减少网络参数;然后,针对CenterNet车辆目标识别存在定位效果不理想的问题,采用带间距的交并比损失取代CenterNet损失函数中的偏置损失和宽高损失,同时采用单尺度自适应空间特征融合及自适应逐层特征融合方法,将网络的多级特征进行融合。实验结果表明:在Vehicle数据集上,平均精度均值提升了1.9个百分点;在BDD100K和Pascal VOC数据集上,预测边框跟真实边框交并比为0.5时的平均精度分别提升了5.2个百分点和2.5个百分点;在GTX1080Ti上,推理速度每秒可达149帧,文中提出的改进CenterNet能够明显提高车辆的识别精度。
展开更多
关键词
车辆检测
类型识别
深度学习
特征融合
在线阅读
下载PDF
职称材料
题名
基于改进CenterNet的车辆识别方法
被引量：
14
1
作者
黄跃珍
王乃洲
梁添才
赵清利
机构
国防
科技
大学计算机学院
广州无线电集团
有限公司
深圳市信义科技有限公司
华南理工大学电子与信息学院
华南理工大学自动化科学与工程学院
出处
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021年第7期94-102,共9页
基金
国家重点研发计划项目(2018YFB0204301)。
文摘
为解决车辆识别系统中类型识别率低的问题,提出了一种基于改进CenterNet的车辆识别方法。首先,该方法采用ResNet18作为基础网络,以减少网络参数;然后,针对CenterNet车辆目标识别存在定位效果不理想的问题,采用带间距的交并比损失取代CenterNet损失函数中的偏置损失和宽高损失,同时采用单尺度自适应空间特征融合及自适应逐层特征融合方法,将网络的多级特征进行融合。实验结果表明:在Vehicle数据集上,平均精度均值提升了1.9个百分点;在BDD100K和Pascal VOC数据集上,预测边框跟真实边框交并比为0.5时的平均精度分别提升了5.2个百分点和2.5个百分点;在GTX1080Ti上,推理速度每秒可达149帧,文中提出的改进CenterNet能够明显提高车辆的识别精度。
关键词
车辆检测
类型识别
深度学习
特征融合
Keywords
vehicle recognition
target detection
deep learning
feature fusion
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进CenterNet的车辆识别方法
黄跃珍
王乃洲
梁添才
赵清利
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021
14
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
