优化EfficientDet深度学习的车辆检测

来源：南京信息工程大学学报·自然科学版杂志2021年第6期北京时间：

作者：陈西江，安庆，班亚

单位：陈西江,武昌理工学院 人工智能学院, 武汉, 430223;武汉理工大学 安全科学与应急管理学院, 武汉, 430070,安庆,武昌理工学院 人工智能学院, 武汉, 430223,班亚,重庆市计量质量检测研究院, 重庆, 401120

摘要：针对深度学习EfficientDet模型的车辆检测性能进行分析, 基于训练过程中容易陷入局部最优进行优化改进, 构建分阶段自适应的训练模型, 利用该训练模型对短距离和远距离车辆进行检测, 并将检测结果与基于Cascade R-CNN和CenterNet方法进行比较, 从计算复杂度、耗时及检测精度三方面分析显示本文方法优于其他两种方法.同时, 对不同角度和不同距离车辆检测结果进行分析, 确定了检测的最优距离和角度.最后, 通过实例验证了本文方法可以用于大范围车辆的检测.

关键词：深度学习;EfficientDet;车辆检测;学习率

基金资助：国家自然科学基金(42171428);湖北省安全生产专项资金科技项目(SJIX 20211006);重庆市技术创新与应用发展专项(cstc2019jscx-msxmX0051)