基于SSD-MobilenetV3模型的车辆检测

作者：廖慕钦; 周永军; 汤小红; 蒋淑霞; 李宇琼

来源：传感器与微系统, 2022, 41(06): 142-145.

DOI：10.13873/J.1000-9787(2022)06-0142-04

• 自动驾驶
• 车辆检测
• 迁移学习
• SSD-MobilenetV3模型

针对自动驾驶平台车辆检测问题，提出一种结合迁移学习的卷积神经网络(CNN)模型SSD-MobilenetV3。网络结合SSD检测速度较快与MobilenetV3占用内存小的优点，将SSD模型的基础网络替换成MobilenetV3。首先，结合迁移学习的方法，在COCO数据集上对网络进行预训练，再使用自建融合车辆数据集对预训练模型全连接层进行重新训练，可在短时间训练下得到收敛，并有较好的准确率。实验结果表明：相比原SSD模型，检测准确率达到85.6%,提高了3.1%;参数量减为16.9 Mbyte,减少了83.1%。模型在准确率小幅上升的同时，大幅度减少占用内存，更适用于自动驾驶平台。

• 单位
  机电工程学院; 中南林业科技大学