虛擬講堂進入演講
講 題基於卷積神經網路之市區道路場景自適應車輛偵測機制
講 者國立中央大學資訊工程學系 楊道偉, 胡家銘, 蘇柏齊
日 期2018/10/26長 度00:12:20人 氣129 次
摘 要
近年來大量的攝影機被架設於市區路口以協助檢視交通狀況,若能善用這些畫面將有助於先進智慧型運輸系統 (Intelligent Transportation System) 的建置。本研究嘗試以開放式政府資料庫蒐集市區道路監控影像,提出場景適應式車輛偵測機制。由於路口攝影機常有著不同角度的畫面,而畫面中可能存在各式背景,加上人與車輛在道路上可能發生相互遮蔽,都讓單一離線偵測模型存在若干改進空間。本研究的方法分為兩階段;第一階段蒐集少量市區道路影像,利用Faster R-CNN訓練通用車輛偵測模型,並對目標場景進行車輛偵測與分類。第二階段則利用背景建立產生車輛遮罩,搭配第一階段的通用模型偵測結果,經比對蒐集足量之單一種類車輛,依時序方式貼於目標場景中,幾乎自動地產生大量該場景標記資料。我們將這些標記資料再以Faster R-CNN訓練第二階段場景適應式模型。實驗結果顯示所提出的方法能有效偵測與分類市區場景車輛。
提 供TANET台灣網際網路研討會-TANET2018
進入演講