论文部分内容阅读
深度学习的快速发展为计算机视觉带来了新的机遇,特别是对于目标检测领域。此外,它为智能交通领域的车辆和行人检测提供了一种新方法。然而,交通图像数据的收集和人工标注工作是十分繁琐的。在目标检测模型的训练过程中,没有明确的方法来选择预训练模型,训练方式和迭代次数。论文利用车载摄像头录制的交通视频来截取交通图像,人工标注交通数据集,采用Faster R-CNN这一深度学习的对象检测算法分析了训练数据集规模、预训练模型、训练方式、迭代次数等对车辆行人检测结果的影响。实验结果分析为今后对象检测模型的训练尤其是交