隨著城市交通擁堵問題的不斷加劇,針對道路車輛目標檢測中傳統(tǒng)方法需隨場景變化提取不同特征,檢測率較低與魯棒性差的問題,提出了一種基于Darknet框架的車輛多目標檢測與識別方法。在YOLO v2算法基礎上,根據目標路段場景與車流量的變化對YOLO-voc網絡模型進行改進,基于ImageNet數據集和微調技術獲得分類訓練網絡模型,對訓練結果和車輛目標特征進行分析后進一步對改進的算法參數進行調整,最終獲得更適合于道路車輛檢測與識別的YOLO-vocRV網絡模型下車輛多目標檢測與識別方法。為驗證該方法的有效性和完備性,采用不同模型不同數據集進行了大量實驗分析。研究內容主要包括:(1)采用一種基于Darknet框架下YOLO9000算法的車輛多目標檢測方法。該方法在YOLO9000算法基礎下,根據訓練結果和車輛目標特征對YOLO9000網絡模型進行改進,并對模型參數進行調整,獲得更為適合于當前道路視頻車輛檢測的YOLO9000-md網絡模型下車輛多目標檢測方法。對視頻車輛進行了檢測實驗,實驗結果表明:改進模型YOLO9000-md的車輛多目標檢測方法召回率達到96.15%,具有一定的有效性。(2)...

【文章頁數】：67 頁

【學位級別】：碩士

【部分圖文】：

圖2-1深度學習工作原理

淺層人工神經網絡只能用于線性分類，并且和計算機能力的限制，訓練一個多層感知機所需的時間神經網絡的發(fā)展。直到1974年，PaulWerbos[38]等人深練機制，并提出了改進方案—誤差反向傳播算法，推動新的熱潮。而機器學習也從淺層學習模型階段發(fā)展到了階段。習是將輸入映射到目標....

圖2-2神經元模型

圖2-2神經元模型該神經元由多個輸入(1,2,...)ixin和一個輸出y組成，輸入的權值與定了中間狀態(tài)的表達與輸出，輸出可表示為：()iiyfwxb，iw是權重項，b是偏置12(,,...,|)nixxxx....

圖2-3Sigmoid函數

圖2-3Sigmoid函數圖2-4ReLU函數ReLU函數是目前使用最多的激活函數，其在保持同樣效果的同時收也是Darknet框架中所采用的激活函數，其優(yōu)勢在于：(1)處理速度快，比Sigmoid函數需要算指數、倒數代價小很多；(2)減輕了梯度消失問題....

圖2-4ReLU函數ReLU函數是目前使用最多的激活函數，其在保持同樣效果的同時收斂更

圖2-3Sigmoid函數圖2-4ReLU函數ReLU函數是目前使用最多的激活函數，其在保持同樣效果的同時收也是Darknet框架中所采用的激活函數，其優(yōu)勢在于：(1)處理速度快，比Sigmoid函數需要算指數、倒數代價小很多；(2)減輕了梯度消失問題....

本文編號：4028926