改进Faster R-CNN的道路目标检测

摘要：

针对道路场景下各目标尺度复杂导致的检测精度低问题,提出一种面向道路目标的多尺度Faster R-CNN算法.分析数据集标注的面积及长宽比分布以设置合适尺寸的锚框,提高锚框与目标的匹配度,模型对道路小目标的平均精准度提升了13％以上.在Faster R-CNN网络的特征提取部分加入特征金字塔结构,融合不同尺度特征图的信息提高检测性能.在BDD100K数据集下进行实验,结果表明该方法与原有Faster R-CNN模型相比检测速率稍有下降,mAP得分提升15.1％.

关键词：道路目标、多尺度特征融合、卷积神经网络、Faster R-CNN算法

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：湖北省高等学校实验室研究项目;国家自然科学基金;国家自然科学基金

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：750-756