-
公开(公告)号：CN111209921A
公开(公告)日：2020-05-29
申请号：CN202010014253.X
申请日：2020-01-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进的YOLOv3网络的车牌检测模型及构建方法，包括改进的YOLOv3网络用于输入车牌图像并提取三个不同尺度的特征图；对得到的三个不同尺度的特征图进行上采样后将深度特征缩放到相同比例后进行向下采样，通过构建的卷积层进行解码生成增强特征后的特征图；将生成的增强特征后的三个不同尺度的特征图和来自YOLOv3特征提取网络提取的三个不同尺度的特征图进行特征聚合，生成特征金字塔，获得改进的YOLOv3网络的车牌检测模型；对车牌检测模型进行训练获得最终模型。本发明实现检测速度方面会大幅提高，引进了金字塔多尺度特征网络用于增强骨干网的特征并生成更有效的多尺度特征金字塔,更好地从输入图像中提取特征。
-
公开(公告)号：CN111104903A
公开(公告)日：2020-05-05
申请号：CN201911317498.3
申请日：2019-12-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种深度感知交通场景多目标检测方法和系统，包括将待检测图片输入至预先训练完成的Mask R-CNN模型识别出第一类目标的类别以及目标位置；将识别完成的图片输入至预先训练完成的优化的CNN模型，检测出该图片中第二类目标的类别、置信度以及目标位置。本发明能够充分考虑交通场景复杂以及现有的目标跟踪算法存在严重的小目标漏检的问题，提出一种优化的CNN模型，在原始CNN网络的优点上，将特征提取网络和检测网络进行优化，训练生成新的模型以进行小目标检测。这种在大目标检测结果上进行小目标检测的方法，可以增强交通场景下多目标的检测效果，并提高小目标识别的准确性。
-
公开(公告)号：CN111104903B
公开(公告)日：2022-07-26
申请号：CN201911317498.3
申请日：2019-12-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种深度感知交通场景多目标检测方法和系统，包括将待检测图片输入至预先训练完成的Mask R‑CNN模型识别出第一类目标的类别以及目标位置；将识别完成的图片输入至预先训练完成的优化的CNN模型，检测出该图片中第二类目标的类别、置信度以及目标位置。本发明能够充分考虑交通场景复杂以及现有的目标跟踪算法存在严重的小目标漏检的问题，提出一种优化的CNN模型，在原始CNN网络的优点上，将特征提取网络和检测网络进行优化，训练生成新的模型以进行小目标检测。这种在大目标检测结果上进行小目标检测的方法，可以增强交通场景下多目标的检测效果，并提高小目标识别的准确性。
-
-
Search Results
3
records
(took 0.016 seconds)
