一种基于航拍数据的实时车流检测与追踪方法

    公开(公告)号:CN108921875B

    公开(公告)日:2021-08-17

    申请号:CN201810746646.2

    申请日:2018-07-09

    Abstract: 本发明提供了一种基于航拍数据的实时车流检测与追踪方法,包括以下步骤:S1、基于弱监督学习的预训练部分,使用弱监督学习的方式训练好一个YOLO网络的预训练模型;S2、基于航拍数据的实时车流检测部分,采用全卷积神经网络以及具有先验信息的多目标框检测方法对YOLO网络的预训练模型进行改进,得到YOLO检测网络。本发明的有益效果是:基于YOLO算法进行改进,采用全卷积神经网络以及具有先验信息的多目标框检测方法,有效地利用了无人机航拍数据集多视角和多分辨率的图像特点进行训练,在不损失太多检测时间的情况下提升了算法的检测准确率,达到了准确率与时间的平衡。

    基于图像数据的行人检测方法

    公开(公告)号:CN107330387B

    公开(公告)日:2021-04-23

    申请号:CN201710475390.1

    申请日:2017-06-21

    Abstract: 本发明提供了一种基于图像数据的行人检测方法,包括以下步骤:(1)对于数据的预处理,在网络结构的第一层添加一层用来将数据读入;(2)YOLO原来的全连接层用卷积层替代,每个卷积层后面加一个ReLU层,然后用Reshape层改变输入的维度;(3)对于Loss Function的实现。本发明的有益效果是:将Fast YOLO实现为基于Caffe接口和GoogLeNet的网络,原网络中的全连接层改成卷积层实现,这不仅可以加快检测速度,而且实验结果表明还可以提升检测率。

    一种基于航拍数据的实时车流检测与追踪方法

    公开(公告)号:CN108921875A

    公开(公告)日:2018-11-30

    申请号:CN201810746646.2

    申请日:2018-07-09

    Abstract: 本发明提供了一种基于航拍数据的实时车流检测与追踪方法,包括以下步骤:S1、基于弱监督学习的预训练部分,使用弱监督学习的方式训练好一个YOLO网络的预训练模型;S2、基于航拍数据的实时车流检测部分,采用全卷积神经网络以及具有先验信息的多目标框检测方法对YOLO网络的预训练模型进行改进,得到YOLO检测网络。本发明的有益效果是:基于YOLO算法进行改进,采用全卷积神经网络以及具有先验信息的多目标框检测方法,有效地利用了无人机航拍数据集多视角和多分辨率的图像特点进行训练,在不损失太多检测时间的情况下提升了算法的检测准确率,达到了准确率与时间的平衡。

    基于图像数据的行人检测方法

    公开(公告)号:CN107330387A

    公开(公告)日:2017-11-07

    申请号:CN201710475390.1

    申请日:2017-06-21

    CPC classification number: G06K9/00711 G06N3/084

    Abstract: 本发明提供了一种基于图像数据的行人检测方法,包括以下步骤:(1)对于数据的预处理,在网络结构的第一层添加一层用来将数据读入;(2)YOLO原来的全连接层用卷积层替代,每个卷积层后面加一个ReLU层,然后用Reshape层改变输入的维度;(3)对于Loss Function的实现。本发明的有益效果是:将Fast YOLO实现为基于Caffe接口和GoogLeNet的网络,原网络中的全连接层改成卷积层实现,这不仅可以加快检测速度,而且实验结果表明还可以提升检测率。

Patent Agency Ranking