基于改进的Mask R-CNN的行人细粒度检测算法

• 作者: 张继 朱繁 王洪元
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: Mask R-CNN 行人检测 K-means算法 细粒度 全卷积网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 2019年中国计算机学会人工智能会议(CCFAI2019)论文
• 页码范围: 3210-3215
• 页数: 6页
• 分类号: TP391.41
• 字数: 5333字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019051051

摘要

针对复杂场景下行人检测效果差的问题,采用基于深度学习的目标检测中领先的研究成果,提出了一种基于改进Mask R-CNN框架的行人检测算法.首先,采用K-means算法对行人数据集的目标框进行聚类得到合适的长宽比,通过增加一组长宽比(2∶5)使12种anchors适应图像中行人的尺寸;然后,结合细粒度图像识别技术,实现行人的高定位精度;其次,采用全卷积网络(FCN)分割前景对象,并进行像素预测获得行人的局部掩码(上半身、下半身),实现对行人的细粒度检测;最后,通过学习行人的局部特征获得行人的整体掩码.为了验证改进算法的有效性,将其与当前具有代表性的目标检测方法(如更快速的区域卷积神经网络(Faster R-CNN)、YOLOv2、R-FCN)在同数据集上进行对比.实验结果表明,改进的算法提高了行人检测的速度和精度,并且降低了误检率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王洪元	常州大学信息科学与工程学院	77	372	11.0	14.0
2	张继	常州大学信息科学与工程学院	18	65	5.0	7.0
3	朱繁	常州大学信息科学与工程学院	1	3	1.0	1.0