论文部分内容阅读
在当下的智能交通领域车辆目标识别的许多方法中,基于深度学习的视觉识别方法具有卓越的效果。通过对主流的one-step与two-step模型结构及特点的分析,提出了一套基于RetinaNet深度学习的车辆检测识别系统,使用ResNet101获取图像特征,基于Focal Loss损失函数构建精细化车辆型号识别模型,利用Stanford Car DataSet数据集进行训练,并使用实际场景中的图像进行测试。实验结果表明,该系统具有良好的用户界面,优越的性能,较高的识别准确度,解决了复杂交通场景下多型号车辆