造價(jià)通
更新時(shí)間：2025.01.05
基于迷你卷積神經(jīng)網(wǎng)絡(luò)的停車場(chǎng)空車位檢測(cè)方法

格式：pdf

大小：201KB

頁(yè)數(shù)： 4頁(yè)

針對(duì)日益嚴(yán)峻的停車難問(wèn)題,提出一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)停車場(chǎng)空車位檢測(cè)方法。首先,根據(jù)車位只需用兩種狀態(tài)來(lái)表示其占空的特點(diǎn),對(duì)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn),提出迷你卷積神經(jīng)網(wǎng)絡(luò)(MCNN)的概念;然后,通過(guò)減少網(wǎng)絡(luò)參數(shù)來(lái)減少訓(xùn)練和識(shí)別時(shí)間,并在網(wǎng)絡(luò)中加入局部響應(yīng)歸一化層以加強(qiáng)對(duì)明度的校正,以及使用小卷積核來(lái)獲取更多圖像細(xì)節(jié);最后,對(duì)視頻幀圖進(jìn)行手動(dòng)掩碼設(shè)置,通過(guò)邊緣檢測(cè)切割成單個(gè)車位圖,并使用訓(xùn)練好的MCNN進(jìn)行車位識(shí)別。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)機(jī)器學(xué)習(xí)方式相比,基于MCNN的檢測(cè)方法識(shí)別率能提高3~8個(gè)百分點(diǎn),同時(shí)網(wǎng)絡(luò)參數(shù)僅為常規(guī)使用卷積模型的1/1 000,且在文中所述的幾種不同環(huán)境中,識(shí)別率的均保持在92%以上。實(shí)驗(yàn)結(jié)果表明,MCNN可移植到低配置攝像頭,實(shí)現(xiàn)停車場(chǎng)空車位自動(dòng)檢測(cè)。

迷你USB插座結(jié)構(gòu)圖

格式：pdf

大?。?span class="single-tag-height">1.6MB

頁(yè)數(shù)： 3頁(yè)

迷你 USB插座結(jié)構(gòu)圖 一、 貼片式 二、 90度彎腳直插式 三、 180 度直插式 正常引腳結(jié)構(gòu)圖 單排引腳結(jié)構(gòu)圖

熱門知識(shí)

迷你車

精華知識(shí)

迷你車

最新知識(shí)

迷你車
點(diǎn)擊加載更多>>

相關(guān)問(wèn)答

迷你車
點(diǎn)擊加載更多>>
專題概述
迷你車相關(guān)專題

分類檢索：