基于多尺度特征融合的Faster-RCNN道路目标检测

• 作者: 章东平 陈飞
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 目标检测 特征融合 卷积神经网络 Faster-RCNN算法
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计量与测试
• 页码范围: 393-397
• 页数: 5页
• 分类号: TP391
• 字数: 3794字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2018.04.008

摘要

道路目标检测在智慧城市建设中扮演着重要角色,而Faster-RCNN是目前主流的目标检测网络结构算法.本文在Faster-RCNN卷积神经网络结构基础上增加了特征金字塔网络层,并采用关注损失函数替代了原有的交叉熵损失函数.其中增加的特征金字塔特征融合层可以提取到检测图片中更具鲁棒性和一般性的前背景特征,而通过关注损失函数则能起到缓解检测图片中的正负样本不均的情况.最后,在公开数据集KITTI上实验证实,改进的目标检测算法能实现提高原有的Faster-RCNN目标检测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章东平	中国计量大学信息工程学院	29	80	5.0	7.0
2	陈飞	中国计量大学信息工程学院	27	71	6.0	7.0