基于卷积特征图的面向交通检测与分类的深度网络
计算机视觉与模式识别
2018-05-24 v1
摘要
本研究主要强调交通检测，因此本质上涉及目标检测与分类。此处讨论的具体工作源于复用知名预训练目标检测网络处理特定领域数据的不尽如人意的尝试。在此过程中，我们识别了一些导致显著性能下降的细微问题，并探讨了解决方法。例如，一些关于数据收集与采样的简单而相关的技巧被证明非常有益。此外，引入模糊网络以处理模糊的实时数据是提升性能的另一重要因素。我们进一步研究有益于目标分类的神经网络设计问题，并采用共享的、区域无关的卷积特征。我们还研究了用于处理鞍点的自适应学习率，并提出了一种基于平均协方差矩阵的预条件方法。我们亦引入光流特征以纳入方向信息。实验结果表明，这带来了性能率的稳步提升。
引用
@article{arxiv.1805.08769,
title = {A Convolutional Feature Map based Deep Network targeted towards Traffic Detection and Classification},
author = {Baljit Kaur and Jhilik Bhattacharya},
journal= {arXiv preprint arXiv:1805.08769},
year = {2018}
}
备注
28 pages