优化EfficientDet深度学习的车辆检测
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP391.41

基金项目:

国家自然科学基金(42171428);湖北省安全生产专项资金科技项目(SJIX 20211006);重庆市技术创新与应用发展专项(cstc2019jscx-msxmX0051)


Optimized EfficientDet deep learning model for vehicle detection
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对深度学习EfficientDet模型的车辆检测性能进行分析, 基于训练过程中容易陷入局部最优进行优化改进, 构建分阶段自适应的训练模型, 利用该训练模型对短距离和远距离车辆进行检测, 并将检测结果与基于Cascade R-CNN和CenterNet方法进行比较, 从计算复杂度、耗时及检测精度三方面分析显示本文方法优于其他两种方法.同时, 对不同角度和不同距离车辆检测结果进行分析, 确定了检测的最优距离和角度.最后, 通过实例验证了本文方法可以用于大范围车辆的检测.

    Abstract:

    At present, deep learning has been widely applied in object detection, such as vehicle detection.In this paper, the deep learning EfficientDet model was analyzed, and its advantages in vehicle detection were confirmed.A phased adaptive training model was constructed to avoid local optimum in training process, then it was used to detect vehicles from both short and long distance.The detection results showed that compared with detection methods based on Cascade R-CNN and CenterNet, the proposed model was superior in terms of computational complexity, time consumption and detection accuracy.Meanwhile, further analysis figured out the optimal detection distance and angle.Finally, an example is given to verify that the proposed method can be applied to a large range of vehicle detection.

    参考文献
    相似文献
    引证文献
引用本文

陈西江,安庆,班亚.优化EfficientDet深度学习的车辆检测[J].南京信息工程大学学报(自然科学版),2021,13(6):653-660
CHEN Xijiang, AN Qing, BAN Yan. Optimized EfficientDet deep learning model for vehicle detection[J]. Journal of Nanjing University of Information Science & Technology, 2021,13(6):653-660

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-09-28
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-01-21
  • 出版日期:

地址:江苏省南京市宁六路219号    邮编:210044

联系电话:025-58731025    E-mail:nxdxb@nuist.edu.cn

南京信息工程大学学报 ® 2024 版权所有  技术支持:北京勤云科技发展有限公司