高级搜索

基于非局部操作的深度卷积神经网络车位占用检测算法

申铉京 沈哲 黄永平 王玉

引用本文: 申铉京, 沈哲, 黄永平, 王玉. 基于非局部操作的深度卷积神经网络车位占用检测算法[J]. 电子与信息学报, doi: 10.11999/JEIT190349 shu
Citation:  Xuanjing SHEN, Zhe SHEN, Yongping HUANG, Yu WANG. Deep Convolutional Neural Network for Parking Space Occupancy Detection Based on Non-local Operation[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190349 shu

基于非局部操作的深度卷积神经网络车位占用检测算法

    作者简介: 申铉京: 男,1958年生,博士,教授,研究方向为图像处理与模式识别、多媒体信息安全、智能控制技术;
    沈哲: 男,1995年生,硕士生,研究方向为图像处理与模式识别;
    黄永平: 男,1964年生,博士,副教授,研究方向为图像处理与模式识别、智能控制与嵌入式系统;
    王玉: 男,1983年生,博士,副教授,研究方向为图像处理与模式识别、多媒体信息技术
    通讯作者: 王玉,wangyu001@jlu.edu.cn
  • 基金项目: 智慧法院智能化服务技术研究及支撑平台开发(2018YFC0830100),国家自然科学基金(61672259, 61876070),国家自然科学基金青年科学基金(61602203),吉林省科技发展计划重点科技研发项目(20180201064SF),吉林省优秀青年人才基金(20180520020JH)

摘要: 随着城市交通智能化发展,准确高效地获取可用车位对于解决日益严峻的停车难问题至关重要。该文提出一种基于非局部操作的深度卷积神经网络车位占用检测算法。针对停车位图像特性,引入非局部操作,度量远距离像素间的相似性,直接获取边缘高频特征;使用小卷积核获取局部细节特征;以端到端的方式训练网络。实验中,通过设置不同卷积核尺寸和非局部模块层数,优化网络结构。实验结果表明,该文所提算法与传统的基于纹理特征的车位占用检测算法相比,无论在预测精度还是模型的泛化性能,均具有显著的优势。与当前广泛应用的基于局部特征提取的卷积神经网络相比,该算法具有较大的优势。在真实场景中,该算法同样具有较高精度,具备实际应用价值。

English

图(8)表(4)
计量
  • PDF下载量:  12
  • 文章访问数:  115
  • HTML全文浏览量:  114
文章相关
  • 通讯作者:  王玉, wangyu001@jlu.edu.cn
  • 收稿日期:  2019-05-17
  • 录用日期:  2019-01-04
  • 网络出版日期:  2020-07-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章