一种特征融合的小目标车辆检测算法

• 作者: 李明 罗鹏飞
• 来源期刊: 河南科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 小目标车辆检测 Faster-RCNN 特征层融合 卷积神经网络
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 电工电信、自动化与计算机
• 页码范围: 40-44
• 页数: 5页
• 分类号: TP391.4
• 字数: 2961字
• 语种: 中文
• DOI: 10.15926/j.cnki.issn1672-6871.2019.02.008

摘要

针对目前基于深度卷积神经网络的目标检测中,高维特征会遗失小区域特征及目标位置信息,从而导致对小目标的识别率很低的问题,提出了一种利用特征层融合进行检测的算法.利用图像插值方法,将高维特征图与低维特征图转化为同样尺寸,通过设置一个网络自学习参数来对各特征图进行有效融合,使得最终进行检测的特征图同时具有丰富的语义信息与尽可能多的目标特征信息.构建了一个简单的卷积神经网络模型,对道路场景中的远距离车辆进行检测,在KITTI数据集上进行测试.测试结果表明:与主流的Faster-RCNN和SSD检测框架相比,该模型的检测召回率分别提高了5.9％和14.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明	武汉大学计算机学院	171	1458	17.0	33.0
2	罗鹏飞	武汉大学计算机学院	1	3	1.0	1.0