改进R-FCN模型的小尺度行人检测
目的 为了有效解决传统行人检测算法在分辨率低、行人尺寸较小等情境下检测精度低的问题,将基于区域全卷积网络(region-based fully convolutional networks,R-FCN)的目标检测算法引入到行人检测中,提出一种改进R-FCN模型的小尺度行人检测算法.方法 为了使特征提取更加准确,在ResNet-101的conv5阶段中嵌入可变形卷积层,扩大特征图的感受野;为提高小尺寸行人检测精度,在ResNet-101中增加另一条检测路径,对不同尺寸大小的特征图进行感兴趣区域池化;为解决小尺寸行人检测中的误检问题,利用自举策略的非极大值抑制算法代替传统的非极大值抑制算法.结果 在基准数据集Caltech上进行评估,实验表明,改进的R-FCN算法与具有代表性的单阶段检测器(single shot multiBox detector,SSD)算法和两阶段检测器中的Faster R-CNN(region convolutional neu-ral network)算法相比,检测精度分别提高了3.29% 和2.78%;在相同ResNet-101基础网络下,检测精度比原始R-FCN算法提高了12.10%.结论 本文提出的改进R-FCN模型,使小尺寸行人检测精度更加准确.相比原始模型,改进的R-FCN模型对行人检测的精确率和召回率有更好的平衡能力,在保证精确率的同时,具有更大的召回率.
行人检测;区域全卷积网络(R-FCN);可变形卷积;多路径;非极大值抑制(NMS);Caltech数据集
26
TP391(计算技术、计算机技术)
国家自然科学基金项目;辽宁省自然科学基金项目
2021-10-28(万方平台首次上网日期,不代表论文的发表时间)
共11页
2400-2410