融合多尺度上下文卷积特征的车辆目标检测

• 作者: 范勇 陈念年 高琳
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 卷积神经网络 多尺度特征 上下文信息 车辆检测
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 科研论文
• 页码范围: 28-35
• 页数: 8页
• 分类号: TP391.41|TB872
• 字数: 4424字
• 语种: 中文
• DOI: 10.12086/oee.2019.180331

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范勇	西南科技大学计算机科学与技术学院	77	624	12.0	20.0
2	高琳	西南科技大学计算机科学与技术学院	17	97	6.0	9.0
3	陈念年	西南科技大学计算机科学与技术学院	61	625	11.0	22.0