Multi-Scale Vehicle Logo Detector
Multi-Scale Vehicle Logo Detector
复制标题
多尺度车辆标志检测器
DOI：
10.1007/s11036-020-01722-0
复制
发表时间：
2021-02
期刊：
影响因子：
--
通讯作者：
Yang Shuo
中科院分区：
文献类型：
--
作者：
Zhang Junxing;Chen Lijun;Bo Chunjuan;Yang Shuo
车标作为车辆的关键信息，可以辅助完成车辆信息的识别。因此，对车标进行检测具有重要的现实意义。现有的车标目标检测系统无法兼顾大、小尺度目标的检测精度。此外，这些方法的准确性可以进一步提高。在这项研究中，我们提出了一种新的方法称为多尺度车标检测器（SVLD），这是基于SSD。该方法通过设置预设框的参数、改变预训练策略、调整网络结构等措施，取得了比现有检测方法更好的效果。实验结果表明，该方法对多尺度车标检测有较好的效果。该算法能够清晰地检测出大跨度的车标，与其他经典算法相比，检测精度有了很大的提高。对于512 × 512的输入，SVLD比传统方法提高了3.1%，在VLD-45测试集上的平均精度（mAP）达到84.8%。
As the key information of vehicles, vehicle logo can assist in completing the identification of vehicle information. Therefore, the task of vehicle logo detection is of great practical significance. The existing object detection systems for vehicle logo detection cannot account for the detection accuracy of large and small-scale objects. Moreover, the accuracy of these methods can be further improved. In this study, we propose a new approach called multi-scale vehicle logo detector (SVLD), which is based on SSD. This method obtains better results than the current detection methods by setting the parameters of the preset boxes, changing the pre-training strategy, and adjusting the network structure. Experiments show that the proposed approach is better for multi-scale vehicle logo detection. Vehicle logos with large span size can be clearly detected, and the detection accuracy is substantially improved compared with those of other classic algorithms. For 512 × 512 input, SVLD obtains 3.1% improvement over the conventional methods and achieves a mean average precision (mAP) of 84.8% in the VLD-45 test set.
登录
查看更多内容
DOI：
--
发表时间：
2009
期刊：
--
影响因子：
--
作者：
Jia Deng
通讯作者：
Jia Deng
DOI：
10.1109/tpami.2018.2858826
发表时间：
2020-02-01
影响因子：
23.6
作者：
Lin, Tsung-Yi;Goyal, Priya;Dollar, Piotr
通讯作者：
Dollar, Piotr
基于数据增强的复杂场景小样本车标识别问题
影响因子：
--
作者：
Ke, Xiao;Du, Pengqiang
通讯作者：
Du, Pengqiang
DOI：
10.1109/robio.2007.4522246
发表时间：
2007-12
期刊：
2007 IEEE International Conference on Robotics and Biomimetics (ROBIO)
影响因子：
--
作者：
Yunqiong Wang;Zhi-fang Liu;Xiao-Liang Fei
通讯作者：
Yunqiong Wang;Zhi-fang Liu;Xiao-Liang Fei
DOI：
10.1109/tits.2010.2042714
发表时间：
2010-06-01
影响因子：
8.5
作者：
Psyllos, Apostolos P.;Anagnostopoulos, Christos-Nikolaos E.;Kayafas, Eleftherios
通讯作者：
Kayafas, Eleftherios