基于改进Faster R-CNN的小尺度行人检测

摘要：

为提高小尺度行人检测的准确性,提出一种基于改进Faster R-CNN的目标检测方法.通过引入基于双线性插值的对齐池化层,避免感兴趣区域池化过程中两次量化操作导致的位置偏差,同时设计基于级联的多层特征融合策略,将具有丰富细节信息的浅层特征图和具有抽象语义信息的深层特征图进行通道叠加,从而解决小尺度行人在深层特征图中特征信息缺乏的问题.在INRIA和PASCAL VOC2012数据集上的实验结果表明,在小尺度行人检测效率相同的情况下,该方法相比基于Faster R-CNN的检测方法平均精确率均值分别提高了17.58％和23.78％.

关键词：小尺度行人检测、区域建议网络、感兴趣区域池化、Faster R-CNN网络、特征融合

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60802047

在线出版日期：2020-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：226-232,241