基于多阶段提议稀疏区域卷积网络的城市交通目标检测 |
| |
引用本文: | 柳长源,张玉亮,毕晓君.基于多阶段提议稀疏区域卷积网络的城市交通目标检测[J].电子学报,2023(1):26-31. |
| |
作者姓名: | 柳长源 张玉亮 毕晓君 |
| |
作者单位: | 1. 哈尔滨理工大学测控技术与通信工程学院;2. 中央民族大学信息工程学院 |
| |
基金项目: | 国家自然科学基金(No.51779050);;黑龙江省自然科学基金(No.F2016022)~~; |
| |
摘 要: | 针对城市交通场景多目标检测算法检测速度慢,检测精度低等问题,本文提出多阶段提议稀疏区域卷积网络算法(Multi-stage Proposal Sparse Region-based Convolutional Neural Network,MPS R-CNN).算法主要有以下特点:提出了一种多阶段提议框过滤更新机制,提高算法检测精度;提出了一种双向并联特征金字塔网络(Bidirectional Parallel Feature Pyramid Network,BPFPN),增强了模型的特征融合能力;针对城市交通场景目标检测问题引入了CopyPaste数据增强方法和CIoU损失函数.实验结果显示,MPS R-CNN算法在Urban Object Dataset数据集上mAP达到了77%,算法检测速度保持在37 fps,优于目前其他城市交通场景目标检测算法.
|
关 键 词: | 目标检测 城市交通 提议过滤 特征金字塔 数据增强 |
|
|