首页|改进型Cascada R-CNN的行人检测算法的研究

改进型Cascada R-CNN的行人检测算法的研究

扫码查看
原文链接
  • 万方数据
智能交通的中重要一点就是对行人的检测跟踪用以规避行人实现自动驾驶.在神经网络运用的目标检测之前,常见的行人检测方法有梯度直方图特征(Histogram of oriented gradient,HOG)与支持向量机(Support vector machine,SVM)相结合的方法,但是此方法的弊端较为突出,在检测准确率远远达不到目前主流的几种深度学习算法检测,其应用场景受到很大的限制.而目前在深度学习中,行人检测应用比较广泛的模型有Faster R-CNN、YOLOv3等,而论文将采用改进Cascada R-CNN模型,其比Faster R-CNN具有更好的抗干扰能力,在昏暗、光线不均匀等条件下具有较好的行人检测效果,同时使其能过更好的识别小样本行人,实验在INRIA数据集中完成训练与并在自制的测试集检测,取得了不错的效果.
Research on Pedestrian Detection Algorithm Based on Improved Cascada R-CNN

贾叙文、刘庆华、刘东华、李杨、黄凯枫

展开 >

江苏科技大学 镇江 212003

行人检测 Cascada R-CNN INRIA数据集 深度学习

2022

10.3969/j.issn.1672-9722.2022.08.018

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(8)
  • 1
  • 6