本文主要研究内容
作者张乐,张志梅,刘堃,王国栋(2019)在《基于全卷积神经网络复杂场景的车辆分割研究》一文中研究指出:针对目前存在的复杂交通场景中车辆分割精度不足的问题,本文提出了一种基于全卷积神经网络对图像中车辆进行分割的方法。在VGG16Net基础上,将全连接层改为卷积层,为获得更精细的边缘分类结果,减少了部分卷积层,并融合浅层和深层特征,同时,为提高交通环境下车辆的分割精度,减少其他类别目标的干扰,将对车辆目标的分割问题改为基于像素的二分类问题,为提高网络的训练速度,采用Adam优化算法对网络进行训练。实验结果表明,与现有的全卷积神经网络分割效果相比,该网络对复杂交通场景下的车辆分割精度明显提高。该研究在智能交通方面具有较好的应用前景。
Abstract
zhen dui mu qian cun zai de fu za jiao tong chang jing zhong che liang fen ge jing du bu zu de wen ti ,ben wen di chu le yi chong ji yu quan juan ji shen jing wang lao dui tu xiang zhong che liang jin hang fen ge de fang fa 。zai VGG16Netji chu shang ,jiang quan lian jie ceng gai wei juan ji ceng ,wei huo de geng jing xi de bian yuan fen lei jie guo ,jian shao le bu fen juan ji ceng ,bing rong ge jian ceng he shen ceng te zheng ,tong shi ,wei di gao jiao tong huan jing xia che liang de fen ge jing du ,jian shao ji ta lei bie mu biao de gan rao ,jiang dui che liang mu biao de fen ge wen ti gai wei ji yu xiang su de er fen lei wen ti ,wei di gao wang lao de xun lian su du ,cai yong Adamyou hua suan fa dui wang lao jin hang xun lian 。shi yan jie guo biao ming ,yu xian you de quan juan ji shen jing wang lao fen ge xiao guo xiang bi ,gai wang lao dui fu za jiao tong chang jing xia de che liang fen ge jing du ming xian di gao 。gai yan jiu zai zhi neng jiao tong fang mian ju you jiao hao de ying yong qian jing 。
论文参考文献
论文详细介绍
论文作者分别是来自青岛大学学报(工程技术版)的张乐,张志梅,刘堃,王国栋,发表于刊物青岛大学学报(工程技术版)2019年02期论文,是一篇关于全卷积神经网络论文,车辆分割论文,优化算法论文,深度学习论文,青岛大学学报(工程技术版)2019年02期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自青岛大学学报(工程技术版)2019年02期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:全卷积神经网络论文; 车辆分割论文; 优化算法论文; 深度学习论文; 青岛大学学报(工程技术版)2019年02期论文;