基于迁移学习的航拍图像车辆目标检测方法研究
为有效识别航拍图片中的车辆目标,将迁移学习应用到Faster-RCNN算法模型训练中:将大规模数据集训练好的网络用于模型参数初始化,以减少训练时间并提高识别精度;针对ZF和VGG-16 2种经典网络模型,分别选取不同超参数进行了多组对比实验,以选取最优超参数,并对比分析2种模型的检测效果.实验结果表明,该种方法可以在航拍图片集中有效检测到车辆目标,检测结果优于传统的机器学习方法,同时具有识别速度快的特点,可用于实时检测,在军事侦察及交通管控等方面具有应用价值.
车辆检测、深度学习、卷积神经网络、Faster-RCNN算法、迁移学习、ZF模型、VGG-16模型
41
TN713(基本电子电路)
空装十三五预研项目17-163-12-ZT-002-154-01
2019-04-29（万方平台首次上网日期，不代表论文的发表时间）
共5页
77-81
