【摘 要】
:
基于卷积神经网络的模式识别已经得到了广泛的应用,对视频中车辆目标识别属于是一个典型应用实例。本文采用YOLO模型识别车辆目标,识别的过程中,当多个候选框重叠时,对比重叠候选框的置信度,当达到一定阈值时触发非极大值抑制,去除属于同一类别目标的多个候选框中非最大置信度的候选框。但是传统的非极大值抑制存在着缺点,无法抑制面积相差较大的目标,因此本文对用于非极大值抑制的交并比中的并集,采用两个重叠目标区域
论文部分内容阅读
基于卷积神经网络的模式识别已经得到了广泛的应用,对视频中车辆目标识别属于是一个典型应用实例。本文采用YOLO模型识别车辆目标,识别的过程中,当多个候选框重叠时,对比重叠候选框的置信度,当达到一定阈值时触发非极大值抑制,去除属于同一类别目标的多个候选框中非最大置信度的候选框。但是传统的非极大值抑制存在着缺点,无法抑制面积相差较大的目标,因此本文对用于非极大值抑制的交并比中的并集,采用两个重叠目标区域的最小面积替代,达到触发非极大值抑制的作用。本文将YOLO模型的验证阶段,加入改进的非极大值抑制算法,将车辆识别作为本文的理论验证背景,验证本文提出的改进后模型的优越性。完成车辆识别之后,理论上可以得到车辆的数量,然后本文应用神经网络对车流作预测。考虑到传统的神经网络模型的学习率是依靠人为经验性设定,学习率的值设置过大,容易导致模型在训练过程中产生震荡;而学习率设置过小,容易导致模型梯度下降缓慢和收敛速度慢,因此要耗费巨大的时间精力使模型收敛;显然这是由于依靠人为设定学习率导致的一个弊端,因此本文提出基于梯度变化的自适应学习率的优化方法;该学习率将该梯度作为新学习率的判定依据,每次误差反向传播,产生一个新的学习率;学习率的变化完全与梯度变化的绝对值呈现正比例;当梯度变化较大时,学习率呈现较大的值,加快模型训练的速度;当模型接近理想的最优时,即为模型训练时梯度的波谷,模型的梯度较平缓,此时梯度变化较小,学习率较小,降低训练速度,更有助于模型收敛到误差最小值的点。本文分别采用LSTM、GRU和SAEs模型验证带有自适应学习率模型,采用对车流预测作为应用背景,并与传统未优化的模型作对比。实验证明,改进后的YOLO模型,能够准确的确定车辆目标的类别,单一目标只会得到一个候选框,改进传统模型会产生多个候选框的缺点。本文采用LSTM,GRU,SAEs模型拟合车流,采用带自适应学习率模型,相比未优化的传统模型,具有更小的拟合误差和更高的相关系数。
其他文献
能源危机与环境污染问题的加剧迫使人类寻求更为洁净的可再生能源,而风力发电技术是目前技术最为成熟、最具有开发潜力的发电方式之一。近年来,全球的许多国家都大力推进风力
《英语课程标准》明确要注重培养学生综合语言运用能力。英语写作是重要的语言应用,且在高中英语教学中占有相当重要的地位。通过调查分析认为学生写前知识储备贫乏,相当部分学生的英语写作不知如何开始,不知从哪里下手;二是教师写作教学设计过于单一、陈旧,大多限于“作业布置-学生写作-老师批改-统一点评”这一单调的教学形式,存在写作前期指导不到位问题;三是师生存在畏惧心理,写作过程师生互动性不强,未能形成写作指
海南粗榧(Cephalataxus mannii)属于国家二级重点保护植物,其枝叶、种子和树皮中都含有多种具有抗癌活性的次生代谢物质,具有极高的经济价值,一直以来都是研究的热点。本研究
随着许多高校纷纷合并,一家家大学社重新组合的消息扑面而来。这种合并能否带来新的启示?组合后新的出版社结构与方向如何?书号是否感到紧张?
四年前,即1999年4月,华中师大出版社就萌生并实现了一个明智之举:建立编辑学研究中心。以出版社为主体,借助学报、校报等其他出版单位编辑力量,文学院所属中文系、新闻系的教
磨削淬硬是利用磨削热对工件表面进行淬硬处理的新技术,可替代表面淬火等热处理工艺,它有利于简化生产工艺,降低制造成本.
能源的利用在人类社会前进步伐上不可缺乏。随着科技的发展,不可再生能源不断的消耗,传统能源已经不能满足人类的需求,新能源的研究成为热点。作为绿色、新型、可再生能源的
"融智、融慧、融天下".遵循着这一宗旨,于9月18日至23日在新疆乌鲁木齐和石河子同期举行的"2005中外现代医院建设论坛暨第二届中国医院建筑改扩建工程国际论坛",遵照卫生部"
【目的】对大穗型水稻穗部性状的数量性状基因座(QTL)进行定位,为水稻超高产育种提供优质的种质材料。【方法】利用95个在双亲具有明显多态性的分子标记和213个由大穗型水稻材