用于深度学习汽车分类、检测与计数的大型上下文数据集
计算机视觉与模式识别
2016-09-16 v1 分布式、并行与集群计算
神经与进化计算
摘要
我们创建了一个大型的、多样化的汽车图像集，这些图像取自俯视图，对于训练深度学习模型以进行二元分类、检测和计数非常有用。该数据集及所有相关材料将公开发布。该数据集包含上下文信息，以辅助识别困难目标。我们使用一种我们称之为 ResCeption 的神经网络在该数据集上演示了分类和检测。该网络将残差学习与 Inception 风格的层相结合，用于一眼完成汽车计数。这是一种全新的目标计数方式，而非通过定位或密度估计。该方法相当准确、快速且易于实现。此外，该计数方法不特定于汽车或场景。很容易训练该方法来计数其他类型的目标，并且在新场景上进行计数不需要额外的设置或关于目标位置的假设。
关键词
引用
@article{arxiv.1609.04453,
title = {A Large Contextual Dataset for Classification, Detection and Counting of Cars with Deep Learning},
author = {T. Nathan Mundhenk and Goran Konjevod and Wesam A. Sakla and Kofi Boakye},
journal= {arXiv preprint arXiv:1609.04453},
year = {2016}
}
备注
ECCV 2016 Pre-press revision