期刊刊名：科學與工程技術期刊 　 卷期：15卷2期

篇名出版日期：2019年9月1日

作者：黃登淵

語言：Chinese

關鍵字：深度學習,旋積神經網路,車輛分類,車輛偵測,deep learning, deep convolutional neural network (DCNN), vehicle classification, Vehicle detection

被點閱次數：3次

閱讀時間：24sec

摘要：
本文提出植基於Yolov3架構之深度旋積神經網路以達成端到端之車輛偵測與追蹤。由於利用數量龐大的ImageNet影像資料庫重新訓練整個深度網路能提升的準確度相當有限，因此採用微調方法是較為可行的做法。配合微調方法，本文自製車輛資料庫，其中包含巴士、汽車及卡車等三種不同型態的車輛。在微調階段預訓練過程中，本文所提方法可以達成98%的分類水平。在車輛偵測方面，本文採用4種不同情境的影片，包含有高速公路、巷弄街道、夜間車道與市區道路等，達成的偵測率分別為78.8%、69.1%、86.2%及88.1%。另外，在輸入影像解析度為1920╳1080像素以及基於CPU執行的情況下，最終偵測速率每幀可達420-470ms之水準。最後，總體的平均偵測率與誤判率分別為82.1%與9.8%，足以驗證本文所提方法之可行性與有效性。

　　　　　[全文下載]