融合多尺度上下文卷积特征的车辆目标检测

论文摘要

针对现有的基于卷积神经网络的车辆目标检测算法不能有效地适应目标尺度变化、自身形变以及复杂背景等问题,提出了一种融合多尺度上下文卷积特征的车辆目标检测算法。首先采用特征金字塔网络获取多个尺度下的特征图,并在每个尺度的特征图中通过区域建议网络定位出候选目标区域,然后引入候选目标区域的上下文信息,与提取的目标多尺度特征进行融合,最后通过多任务学习联合预测出车辆目标位置和类型。实验结果表明,与多种主流检测算法相比,本算法具有更强的鲁棒性和准确性。

论文目录

• 1 引言
• 2 车辆目标检测算法
•   2.1 网络结构
•   2.2 多尺度特征提取
•     2.2.1 特征金字塔
•     2.2.2 候选区域定位
•   2.3 上下文信息融合
•   2.4 损失函数
• 3 实验与分析
•   3.1 实验数据
•   3.2 训练步骤及参数配置
•   3.3 实验结果及讨论
• 4 结语

文章来源

类型: 期刊论文

作者: 高琳,陈念年,范勇

关键词: 卷积神经网络,多尺度特征,上下文信息,车辆检测

来源: 光电工程 2019年04期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,计算机软件及计算机应用,自动化技术

单位: 西南科技大学计算机科学与技术学院

基金: 四川省教育厅科技项目(18ZA0501),四川省科技创新苗子工程资助项目基金(2017113)~~

分类号: U495;TP391.41;TP183

页码: 31-38

总页数: 8

文件大小: 1261K

下载量: 342