10.3969/j.issn.1672-9722.2020.07.017
基于尺度感知CNN的实时车辆检测算法
交通场景视频中的车辆尺度范围变化较大,不同空间尺度的车辆的实例表现出不同特征,导致特征的类内方差较大,影响检测方法的识别率.针对现有基于CNN的算法中卷积特征对尺寸不具有鲁棒性的问题,提出一种基于尺度感知的卷积神经网络(SAVD)车辆检测算法.该算法采用尺度感知的ROI池化层来维护小尺寸对象的原始结构.针对较大尺寸变化的类内距离超过单个网络的表示能力的问题,内置分支决策子网络来最小化特征的类内距离.实验证明,该算法在准确率上显著提高,对不同尺寸实例具有鲁棒性,上述轻量级技术提高检测速度,具有较好的实时性.
交通场景、车辆检测、尺度感知、卷积神经网络
48
TP37(计算技术、计算机技术)
2020-09-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
1628-1632,1669