基于Faster RCNN和YOLO的交通场景下的车辆检测

• 作者: 徐亮 白杰 黄李波
• 来源期刊: 佳木斯大学学报（自然科学版）
• 学科: 工学
• 关键词: Faster RCNN YOLO KITTI数据集 车辆检测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 机械与材料科学
• 页码范围: 232-235
• 页数: 4页
• 分类号: TP391.4
• 字数: 3107字
• 语种: 中文
• DOI: 10.3969/j.issn.1008-1402.2019.02.016

摘要

高级驾驶辅助系统( advanced driver assistance systems , ADAS)已经变成近几年汽车领域的研究热点,交通场景下的车辆检测是ADAS系统的重要组成部分.为实现车辆检测性能和计算效率之间的平衡,针对Fast RCNN使用选择性搜索算法进行特征提取耗时较长且检测准确率较低的问题,提出了基于Faster RCNN和YOLO的一种新的网络架构.该方法非常简单,可以在具有挑战性的KITTI数据集中进行端到端的训练并表现的不错,超越了Faster RCNN的检测效果.同时,该方法也非常有效,运行速度超过每秒24帧,可以达到实时检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐亮	同济大学汽车学院	10	29	3.0	5.0
2	白杰	同济大学汽车学院	14	59	4.0	7.0
3	黄李波	同济大学汽车学院	4	1	1.0	1.0