10.16208/j.issn1000-7024.2019.07.041
基于卷积神经网络的道路目标检测算法
针对实际交通场景下道路目标检测时存在检测精度低、检测速度慢以及难以检测小目标的问题,构建一种基于Faster R-CNN的快速、精确道路目标检测算法.该算法包括一个精确目标区域网络(AORN)和一个目标属性学习网络(OALN).通过引入反卷积结构,设计AORN网络和OALN网络的损失函数,提高小目标的检测性能,为加快算法的计算速度,AORN和OALN交替优化、联合训练.实验结果表明,其测试的平均准确率较先进的目标检测算法FasterR-CNN提高了0.15,检测速度提高了3 fps.
深度学习、卷积神经网络、道路图像、目标检测、目标区域网络
40
TP391.4(计算技术、计算机技术)
国家自然科学基金项目U1404617;河南省科技创新人才计划杰出青年基金项目174100510011;河南省高校科技创新团队基金项目16IRTSTHN026
2019-08-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
2052-2058