一种深度学习的非机动车辆目标检测算法

• 作者: 刘坤 程永翔 路雪
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 目标检测 EdgeBoxes 深度学习 Fast R-CNN
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 图形图像处理
• 页码范围: 182-188,214
• 页数: 8页
• 分类号: TP391.4
• 字数: 5806字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1801-0199

摘要

针对道路交通场景目标检测问题,提出采用EdgeBoxes算法和深度学习融合的非机动车辆目标检测方法,利用深度学习目标分类算法Fast R-CNN,结合VOC格式的非机动车辆数据样本,把道路交通场景中的目标检测问题实化为自行车(bicycle)和电动车(evbike)的分类问题.利用EdgeBoxes算法提取样本的目标建议构建适量的感兴趣区域,和样本一起输入网络进行迭代训练,同时引入正则化思想和微调策略进行网络优化,降低网络复杂度并避免过拟合现象;网络训练后得到非机动车辆目标检测模型,对模型进行新样本测试并分析测试效果.在道路交通场景目标检测中,基于EdgeBoxes算法和优化Fast R-CNN融合的方法与传统方法相比,检测准确度稍有提高,运算量明显降低,检测速度加快近一倍.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘坤	上海海事大学信息工程学院	23	86	6.0	9.0
2	程永翔	上海海事大学信息工程学院	2	2	1.0	1.0
3	路雪	上海海事大学信息工程学院	1	2	1.0	1.0