首页|改进Faster R-CNN的道路目标检测

改进Faster R-CNN的道路目标检测

扫码查看
原文链接
  • 万方数据
  • 维普
针对道路场景下各目标尺度复杂导致的检测精度低问题,提出一种面向道路目标的多尺度Faster R-CNN算法.分析数据集标注的面积及长宽比分布以设置合适尺寸的锚框,提高锚框与目标的匹配度,模型对道路小目标的平均精准度提升了13％以上.在Faster R-CNN网络的特征提取部分加入特征金字塔结构,融合不同尺度特征图的信息提高检测性能.在BDD100K数据集下进行实验,结果表明该方法与原有Faster R-CNN模型相比检测速率稍有下降,mAP得分提升15.1％.
Road Target Detection Based on Improved Faster R-CNN

周康、朱宗晓、徐征宇、田微

展开 >

中南民族大学计算机科学学院 武汉 430074

道路目标 多尺度特征融合 卷积神经网络 Faster R-CNN算法

湖北省高等学校实验室研究项目国家自然科学基金国家自然科学基金

HBSY2021-095197722161903384

2022

10.3969/j.issn.1672-9722.2022.04.013

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(4)
  • 2
  • 3