改进的Faster R-CNN在车辆识别中的应用

• 作者: 史龙云 王宝珠 郭志涛 雷瑶
• 来源期刊: 现代电子技术
• 关键词: 车辆识别 智能交通 改进的FasterR-CNN 特征提取 置信度函数改进 实验分析
• 年，卷（期）: 2019,（23）
• 所属期刊栏目: 信号分析与图像处理
• 页码范围: 48-52
• 页数: 5页
• 分类号: TN911.73-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.23.011

摘要

随着人工智能技术的不断发展,利用深度学习进行车辆识别已经成为智能交通领域的热点.以更快速区域卷积神经网络(Faster R-CNN)模型为基础,利用BIT-Vehicle数据集定义车辆视觉任务,利用改进的困难样本算法加强对图像中远小目标车辆的特征提取,并改进NMS算法的置信度函数,动态调整置信度区间,对实际场景中的车辆图像进行测试.该方法可输入多尺度图像、能自主提取车辆特征,提高模型对小目标的判别能力,减少漏检情况,提升检测精度,加速模型收敛,鲁棒性较强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宝珠	河北工业大学电子信息工程学院	73	378	10.0	16.0
2	郭志涛	河北工业大学电子信息工程学院	47	339	9.0	16.0
3	雷瑶	河北工业大学电子信息工程学院	3	4	1.0	2.0
4	史龙云	河北工业大学电子信息工程学院	3	4	1.0	2.0