基于深度学习的高速公路收费车辆分类研究 |
| |
作者姓名: | 杨景凯 刘维宇 汪静远 |
| |
作者单位: | 1. 长安大学电子与控制工程学院;2. 长安大学能源与电气工程学院 |
| |
基金项目: | 国家自然科学基金(面上项目)(12172064); |
| |
摘 要: | 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。
|
关 键 词: | 高速公路 深度学习 图像识别 车辆分类 YOLOv3 模型精度 |
|