基于改进R-FCN的车辆目标检测方法

摘要：

针对传统方法对实际环境中车辆检测精度不高的问题,提出基于深度学习中R-FCN模型进行车辆检测的方法.基于全卷积网络,结合多尺度训练使模型能够学习到不同尺寸车辆的抽象特征,在训练过程中引入可变形网络提高模型对目标变换的自适应能力,使用软化非极大值抑制的方法减少复杂环境中目标的漏检率.利用U dacity数据集进行训练和测试,实验结果表明,提出方法与R-FC N模型相比,检测的平均准确度提高了4.3％,对实际场景下的车辆有着良好的检测效果,网络具有一定的鲁棒性.

关键词：车辆检测、全卷积网络、Udacity数据集、多尺度训练、可变形网络、软化非极大值抑制

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

资助基金：江西省自然科学基金项目20142BAB207001

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1164-1168