基于SqueezeNet卷积神经网络的车辆检测

作者：魏泽发^*; 崔华

来源：物联网学报, 2020, 4(03): 120-125.

• 智能交通
• 卷积神经网络
• SqueezeNet
• 车辆检测

在智能交通系统中,针对车辆目标检测算法可移植性不高、检测速度较慢等问题,提出了一种基于SqueezeNet卷积神经网络的车辆检测方法。通过融合SqueezeNet与SSD(single shot multibox detector)算法的车辆检测方法,在UA-DETRAC数据集上进行训练,实现了车辆目标的快速检测,提升了模型的可移植性,缩短了单帧检测时间。实验结果表明,所提模型在保证准确率的同时,模型单帧检测时间可达22.3 ms,模型大小为16.8 MB,相较于原SSD算法,模型大小减少了约8/9。

• 单位
  长安大学