10.19678/j.issn.1000-3428.0057485
融合可变形卷积网络的鱼眼图像目标检测
环视鱼眼图像具有目标形变大和图像失真的缺点,导致传统网络结构在对鱼眼图像进行目标检测时效果不佳.为解决环视鱼眼图像中由于目标几何畸变而导致的目标检测难度大的问题,提出一种基于可变形卷积网络的鱼眼图像目标检测方法.将Cascade_RCNN中固定的卷积层和池化层分别替换为可变形卷积层和可变形池化层,使用Resnet50网络提取候选区域以获得检测框,级联具有不同IoU阈值的检测网络进行检测框抑制.在公开鱼眼图像数据集SFU_VOC_360和本文所采集的真实道路场景鱼眼图像数据集上进行实验,结果表明,该方法在鱼眼图像目标检测中具有有效性,目标检测准确率高于Cascade_RCNN网络.
鱼眼图像、可变形卷积、可变形池化、目标检测、环视系统
47
TP391(计算技术、计算机技术)
国家自然科学基金;北京市自然科学基金;北京市属高校高水平教师队伍建设支持计划项目;北京联合大学研究生科研创新项目
2021-05-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
248-255