Faster R-CNN模型在车辆检测中的应用

• 作者: 张鹤鹤 王林
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 车辆检测 Faster R-CNN模型 区域建议网络 难负样本挖掘 KITTI数据集
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 666-670
• 页数: 5页
• 分类号: TP301.6
• 字数: 5163字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017082025

摘要

针对传统机器学习方法在车辆检测应用中易受光照、目标尺度和图像质量等因素影响,效率低下且泛化能力较差的问题,提出一种基于改进的较快的基于区域卷积神经网络(R-CNN)模型的车辆检测方法.该方法以Faster R-CNN模型为基础,通过对输入图像进行卷积和池化等操作提取车辆特征,结合多尺度训练和难负样本挖掘策略降低复杂环境的影响,利用KITTI数据集对深度神经网络模型进行训练,并采集实际场景中的图像进行测试.仿真实验中,在保证检测时间的情况下,相对原Faster R-CNN算法检测精确度提高了约8％.实验结果表明,所提方法能够自动地提取车辆特征,解决了传统方法提取特征费时费力的问题,同时提高了车辆检测精确度,具有良好的泛化能力和适用范围.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王林	西安理工大学自动化与信息工程学院	74	1063	14.0	31.0
2	张鹤鹤	西安理工大学自动化与信息工程学院	1	36	1.0	1.0