基于RetinaNet改进的车辆信息检测

• 作者: 刘革 赵美蓉 郑叶龙
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 卷积神经网络 目标检测 维度聚类 特征融合 GIoU
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 854-858
• 页数: 5页
• 分类号: TP391.4
• 字数: 3988字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019071262

摘要

移动端计算力不足和存储有限导致车辆信息检测模型精度不高、速度较慢.针对这一问题,提出一种基于RetinaNet改进的车辆信息检测算法.首先,开发新的车辆信息检测框架,将特征金字塔网络(FPN)模块的深层特征信息融合进浅层特征层,以MobileNet V3为基础特征提取网络;其次,引入目标检测任务的直接评价指标GIoU指导定位任务;最后,使用维度聚类算法找出Anchor的较好尺寸并匹配到相对应的特征层.与原始RetinaNet目标检测算法的对比实验表明,所提算法在车辆信息检测数据集上的精度有10.2个百分点的提升.以MobileNet V3为基础网络时平均准确率均值(mAP)可达97.2％且在ARM v7设备上单帧前向推断用时可达100 ms.实验结果表明,所提方法能够有效提高移动端车辆信息检测算法性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵美蓉	天津大学精密测试技术及仪器国家重点实验室	97	969	15.0	26.0
2	郑叶龙	天津大学精密测试技术及仪器国家重点实验室	9	41	4.0	6.0
3	刘革	天津大学精密测试技术及仪器国家重点实验室	1	0	0.0	0.0