公开(公告)号：CN110837837A

公开(公告)日：2020-02-25

申请号：CN201911075126.4

申请日：2019-11-05

Applicant: 安徽工业大学

Inventor： 张成标 ,  童宝宏 ,  张炳力 ,  程进 ,  孙雪皓 ,  贾丰源 ,  邓书朝

IPC: G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明公开一种基于卷积神经网络的违章检测方法，所述方法包括以下步骤：步骤A，制作数据集；步骤B，搭建基于YOLOV2改进后的卷积神经网络；步骤C，在原Elu激活函数的基础上设计Kelu激活函数，并分别利用多种激活函数搭载进卷积神经网络进行训练，利用训练产生的loss值及检测准确率来确定激活函数；步骤D，在训练卷积神经网络前对图像作批量归一化处理，批量归一化处理有利于提高准确率(mAP)以及显著的改善收敛性，防止过拟合(Over-fitting)；步骤E，将多方位车辆检测的卷积神经网络、车牌识别的微型卷积神经网络、QT可视化界面一齐封装进ROS(机器人操作系统)操作系统；步骤F，进行实车测试。本发明提供的方法能提高车辆检测的成功率。

公开(公告)号：CN110837837B

公开(公告)日：2023-10-17

申请号：CN201911075126.4

申请日：2019-11-05

Applicant: 安徽工业大学

Inventor： 张成标 ,  童宝宏 ,  张炳力 ,  程进 ,  孙雪皓 ,  贾丰源 ,  邓书朝

IPC: G06V30/148 ,  G06V30/19 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明公开一种基于卷积神经网络的违章检测方法，所述方法包括以下步骤：步骤A，制作数据集；步骤B，搭建基于YOLOV2改进后的卷积神经网络；步骤C，在原Elu激活函数的基础上设计Kelu激活函数，并分别利用多种激活函数搭载进卷积神经网络进行训练，利用训练产生的loss值及检测准确率来确定激活函数；步骤D，在训练卷积神经网络前对图像作批量归一化处理，批量归一化处理有利于提高准确率(mAP)以及显著的改善收敛性，防止过拟合(Over‑fitting)；步骤E，将多方位车辆检测的卷积神经网络、车牌识别的微型卷积神经网络、QT可视化界面一齐封装进ROS(机器人操作系统)操作系统；步骤F，进行实车测试。本发明提供的方法能提高车辆检测的成功率。