摘要
针对现有的CornerNet-Saccade算法在车辆检测任务中存在明显的误检和漏检现象,提出了一种改进的CornerNet-Saccade算法.首先通过加深堆叠沙漏网络结构,增强车辆高级特征提取能力;其次,增加更小尺度的attention maps以改善小目标车辆的检测能力,引入Dense Block模型和瓶颈残差单元降低堆叠沙漏网络参数的复杂度,保证层与层之间的最大信息流;最后,通过Sigmoid激活函数得到最终的检测结果.在KITTI数据库和自制数据库上对改进算法进行了仿真实验,平均精确率分别达92.56％和95.21％,检测速度分别达40 FPS和49 FPS,同时在自制数据库上对原CornerNet-Saccade算法和改进算法进行了仿真实验,精确率和召回率相比原算法分别提高了3.8％ 和8.5％.结果表明:此改进的CornerNet-Saccade算法在车辆检测任务中具有明显优势.
基金项目
国家自然科学基金(51365017)
国家自然科学基金(61463018)
江西省自然科学基金面上项目(20192BAB205084)
江西省教育厅科学技术研究重点项目(GJJ170491)
国家科技期刊平台
NSTL
万方数据