基于卷积神经网络的卡车轴数检测
计算机视觉与模式识别
2023-03-06 v2 神经与进化计算
摘要
卡车的轴数对于车辆分类和道路系统运行十分重要，其用于确定服务费用以及对路面的影响。尽管轴数检测可通过人工等传统方法实现，但利用深度学习和计算机视觉方法计数轴数正变得日益可行。本文旨在比较三种深度学习目标检测算法——YOLO、Faster R-CNN 和 SSD——用于卡车车轴检测。我们构建了一个数据集，为神经网络提供训练与测试样本。训练在不同的基模型上进行，以提高训练时间效率并比较结果。我们基于五项指标评估结果为：精确率、召回率、mAP、F1-score 和 FPS 计数。结果表明，YOLO 和 SSD 具有相似的准确率和性能，两个模型的 mAP 均超过 96\%。数据集与代码已公开供下载。
引用
@article{arxiv.2204.01868,
title = {Truck Axle Detection with Convolutional Neural Networks},
author = {Leandro Arab Marcomini and André Luiz Cunha},
journal= {arXiv preprint arXiv:2204.01868},
year = {2023}
}
备注
Code and dataset available for donwload, links provided