您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201711-17
论文题目 基于多层特征融合的无人机交通视频车辆检测网络
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于多层特征融合的无人机交通视频车辆检测网络

首发时间:2017-11-08

李树林 1   

李树林(1993-),男,硕士,主要研究方向:目标检测

张维刚 2   

张维刚(1980-),男,副教授、硕导,主要研究方向:计算机视觉

黄庆明 3   
  • 1、北京邮电大学计算机学院,北京 100876
  • 2、哈尔滨工业大学计算机科学与技术学院,威海 264209
  • 3、中国科学院大学计算机与控制学院,北京 100049

摘要:车辆检测技术是智能交通系统的重要组成部分,但是目前的车辆检测技术大多都是基于道路监控摄像头的。无人机相比固定的道路摄像头,有着更为灵活、视野更广等优点,自然检测难度也相对更大,任务更具挑战性。该文提出了一个新的无人机交通视频数据集,并提出了一个融合多层卷积特征的神经网络。该网络不同于其它网络只使用一层卷积特征进行检测,而是将多层特征进行融合,再经过一个卷积层降维,接着通过反卷积进行上采样,增强响应信息,最后接入全连接层完成检测。另外,针对视频的车辆检测,该文提出将检测与跟踪相结合,进一步提升检测效果并加快检测速度。实验表明,该文的方法相比其它检测算法具有更好的检测效果。

关键词: 车辆检测 卷积神经网络 特征融合 无人机

For information in English, please click here

Multi-layer fusion network for UAV traffic video vehicle detection

LI Shulin 1   

李树林(1993-),男,硕士,主要研究方向:目标检测

ZHANG Weigang 2   

张维刚(1980-),男,副教授、硕导,主要研究方向:计算机视觉

HUANG Qingming 3   
  • 1、School of Computer Science and Technology, Beijing University of Posts and Telecommunications,Beijing 100876
  • 2、School of Computer Science and Technology, Harbin Institute of Technology,Weihai 264209
  • 3、School of Computer and Control Engineering,University of Chinese Academy of Sciences,Beijing 100049

Abstract:Vehicle detection technology is an important part of intelligent transportation system, but most of the current vehicle detection technology is based on road monitoring camera. Compared with fixed road camera, UAV has many advantages such as more flexible, broader vision etc, while the detection is more difficult and more challenging. A new dataset builded on UAV traffic video and a neural network that fused multi-layer features are proposed. Different from other networks using a single layer feature only,the network merge multiple layer\'s features firstly, then a convolution layer is used to reduce the feature dimension and make upsampling utilize a deconvolution layer to enhance response information, finally multiple full connection layer is used to finish detection. Furthermore, for the detection of video, the paper optimize and speed up detection further by combining detection and tracking. Results demonstrate that the proposed method get better results compared to other method.

Keywords: vehicle detection convolution neural network feature fusion UAV

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
李树林,张维刚,黄庆明. 基于多层特征融合的无人机交通视频车辆检测网络[EB/OL]. 北京:中国科技论文在线 [2017-11-08]. http://www.paper.edu.cn/releasepaper/content/201711-17.

No.****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

基于多层特征融合的无人机交通视频车辆检测网络