메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Yunming Wang (Dalian Jiaotong University) Yiang Zhou (Dalian Jiaotong University) Xianwu Chu (Dalian Jiaotong University) Guodu Peng (Dalian Jiaotong University)
저널정보
Korean Institute of Information Scientists and Engineers Journal of Computing Science and Engineering Journal of Computing Science and Engineering Vol.18 No.2
발행연도
2024.6
수록면
69 - 79 (11page)
DOI
10.5626/JCSE.2024.18.2.69

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The accurate and rapid identification of tram track obstacles is a crucial aspect in improving the safety of urban tram driving. To improve the detection accuracy and detection speed of urban tram track obstacles, the current study proposes an urban tram track obstacle detection algorithm based on Improved-SSD. To this end, for Conv3_3, Conv4_3, and Conv5_3, a bidirectional fusion module is designed to strengthen the feature expression ability of the low-level feature layer and enrich the semantic information. Meanwhile, for Fc7, Conv6_2, Conv7_2, Conv8_2, and Conv9_2, a two-stage deconvolution module is devised to compensate for the lack of detailed information of the high-level feature layer. To improve the detection speed, the convolution split structure is designed to replace all 3×3 convolutions in the backbone network VGG16. Then, to improve the model’s ability to match a specific dataset, the k-means algorithm is used to optimize the aspect ratio of the prior bounding box. Finally, the improved algorithm is trained with and tested using a selfmade dataset. The experimental results show that, compared to the traditional SSD, the mean average precision of the Improved-SSD algorithm in detecting track obstacles is increased by 1.09%. The detection speed is also increased by 0.9 FPS. Lastly, the prediction box matches the real obstacle box better than that of the traditional SSD.
#Tram #Obstacle detection #Deep learning #SSD #Prior bounding box

목차

Abstract
I. INTRODUCTION
II. DETECTION ALGORITHM OF TRAM TRACK OBSTACLE BASED ON IMPROVED-SSD
III. EXPERIMENTAL RESULTS AND ANALYSIS
IV. CONCLUSION
REFERENCES

참고문헌 (19)

참고문헌 신청
T. Shen, Y. Qian, L. Xie, T. Yuan, X. Zeng, and X. Zhang, “Obstacle detection algorithm of fully automatic train considering reflection intensity,” Journal of Tongji University (Natural Science Edition), vol. 50, no. 1, pp. 6-12, 2022. google schola H. Lu, Y. Li, M. Chen, H. Kim, and S. Serikawa, “Brain intelligence: go beyond artificial intelligence,” Mobile Networks and Applications, vol. 23, pp. 368-375, 2018. https://doi.org/10.1007/s11036-017-0932-8 google schola X. Wu, X. Song, S. Gao, and C. Chen, “A review of object detection algorithms based on deep learning,” Transducer and Microsystem Technologies, vol. 40, no. 2, pp. 4-7, 2021. https://doi.org/10.13873/J.1000-9787(2021)02-0004-04 google schola N. Milosevic and M. Rackovic, “Classification based on missing features in deep convolutional neural networks,” Neural Network World, vol. 29, no. 4, pp. 221-234, 2019. https://doi.org/10.14311/nnw.2019.29.0015 google schola M. Mirkhan and M. R. Meybodi, “Restricted convolutional neural networks,” Neural Processing Letters, vol. 50, pp. 1705-1733, 2019. https://doi.org/10.1007/s11063-018-9954-x google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0