基于深度学习的高速公路收费车辆分类研究

为增强高速公路收费车辆分类的实时性和准确性，对比分析了SSD、YOLO和Faster R-CNN图像识别算法的优缺点，提出了一种结合MixUp数据增强、Focus网络结构和CIOU损失函数的高速公路收费车辆分类方法，对门架高清摄像机抓拍的图像进行识别和分类，在京港澳高速公路数据集上进行验证。结果表明：YOLO模型系列中的YOLOv3模型对于收费车辆分类的平均准确率超过了Faster R-CNN和SSD模型，并且在使用了MixUp数据增强、Focus网络结构和CIOU损失函数时平均准确率达到了92.04%,FPS为22.8。进行消融实验，使用MixUp数据增强后，模型精度提高了0.62%；使用Focus网络结构后，模型FPS提高了1.4；使用CIOU损失函数后，模型精度提高0.28%。由此说明，改进后的YOLOv3模型在高速公路收费车辆分类中可以准确、实时地实现收费车辆分类，为高速公路智能收费系统提供技术支撑。