基于深度卷积神经网络的非法摊位检测

摘要

利用深度学习技术对非法摊位进行有效检测管理,以解决城市管理人员颇为头疼的难题。深度学习所需数据量较大,在使用自己数据集时常常受限使得模型质量不高,针对这一问题使用迁移学习的方式,使用公开数据集Image Net进行预训练,再通过先进的目标检测算法Faster R-CNN来对非法摊位进行训练、检测,并以交替优化的方式加速。经实验结果表明,在VGG16网络下,达到5fps,80.5%的mAP,超过PASCAL VOC公开数据集的13%。