1 武汉理工大学资源与环境工程学院, 湖北 武汉 430079
2 重庆市计量质量检测研究院, 重庆 401120
3 武汉理工大学图书馆, 湖北 武汉 430079
提出了一种基于深度学习的车位智能检测方法。利用TensorFlow深度学习平台对车辆目标识别模型进行了训练,提取了有效车辆图像的优化间隔,给出了车辆分布的精准识别结果,实现了对车辆分布识别结果的有序编号和车位空缺状况的准确判断。利用模拟数据和实际采集数据,分别验证了车位分布的智能识别、车位智能编号和空车位判断的可靠性。
成像系统 目标识别 车位检测 深度可分离卷积神经网络 深度学习 TensorFlow
中国人民解放军军械工程学院四系, 河北 石家庄 050003
训练模型复杂且训练集庞大导致深度学习的发展受到严重阻碍。使用Google最新开源的TensorFlow软件平台搭建了用于视频目标跟踪的深度学习模型。介绍了深度学习的原理和TensorFlow的平台特性, 提出了使用TensorFlow软件平台设计的深度学习模型框架结构, 并使用VOT2015标准数据集中的数据设计了相应的实验。经实验验证, 该模型具有较高的计算效率和识别精度, 并可便捷地调整网络结构, 快速找到最优化模型, 很好地完成视频目标识别跟踪任务。
机器视觉 深度学习 计算机视觉 目标跟踪 激光与光电子学进展
2017, 54(9): 091501
