基于SqueezeNet的改进SSD模型及其应用

本文首先介绍了当前主要的深度神经网络模型、分析了目标检测应用方向的网络模型的优缺点,以及移动端的轻量型神经网络。接着基于SqueezeNet提出了改进的SSD检测模型,对原有SSD模型进行了网络结构优化和参数缩减,经实际数据测试,该网络模型在NVIDIA TX1平台上在保证准确率的同时其检测帧率能达到25fps。最后指出了该模型在ETC出入口和路边停车泊位管理的应用,并指出了后续研究方向。

深度神经网络模型在城市路边停车方案中的应用

本文从介绍城市路边停车问题入手,比较分析了现有解决方案的优缺点,并指出了传统计算机视觉算法的缺点,阐述了现有深度学习模型的应用现状,提出了基于MobileNet V2的SSD深度学习模型,同时为当前实际应用中的违停识别等需求提供了解决方案最后总结了目前该应用模型在试点和应用过程中的经验,并指出了后续研究方向。