基于改进Faster RCNN的城市道路货车检测
针对货车利用躲避摄像头等手段在城市道路中不按规定时间、规定线路行驶,使得车辆不能被准确识别的问题,提出基于改进Faster RCNN的城市道路货车检测方法.该方法以Faster RCNN为基础模型,通过对传入主干网络的车辆图片进行卷积和池化等操作来提取特征,其中增加特征金字塔网络(FPN)提升对多尺度目标检测的精度;同时将K-means聚类算法应用在数据集上以获取新的锚点框;利用RPN(region proposal network)生成建议框;并使用CIoU(complete-IoU)损失函数代替原算法的smoothLi损失函数以提升检测车辆的精确性.实验结果显示,改进后的Faster RCNN相比原算法对货车检测的平均精度(AP)提高7.2％,召回率(recall)提高6.1％,减少了漏检的可能,在不同场景下具有良好的检测效果.
Faster RCNN、CIoU、特征金字塔网络、RPN、车辆检测
31
TP391.41;TP181;S
中央高校学生创新实践能力提升子计划300102242806
2023-01-03（万方平台首次上网日期，不代表论文的发表时间）
共6页
316-321
