基于anchor-free的交通场景目标检测技术

• 作者: 孔薇 孙作雷 葛明进
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 智能交通 深度学习 RetinaNet anchor-free
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图形与图像
• 页码范围: 707-713
• 页数: 7页
• 分类号: TP391.4
• 字数: 5540字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.04.018

摘要

在智能交通领域使用深度学习的方法进行目标检测已成为研究热点.当下经典的目标检测算法,无论是基于回归的单阶目标检测模型还是基于候选区域的二阶段目标检测模型,大部分是利用大量预定义的先验框anchor枚举可能的位置、尺寸和纵横比的方法来搜索对象,往往会造成正负样本严重不均衡的问题,模型的性能和泛化能力也受到anchor自身设计的限制.针对基于anchor的目标检测算法存在的问题,利用单阶目标检测网络RetinaNet,对交通场景中的车辆、行人和骑行者建立基于anchor-free的目标检测模型,采用逐像素预测的方式处理目标检测问题,并添加中心性预测分支,提升检测性能.实验表明,与基于anchor的原RetinaNet算法相比,改进的基于anchor-free的目标检测模型算法能够对交通场景中的车辆、行人、骑行者实现更好的识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孔薇	上海海事大学信息工程学院	30	46	3.0	4.0
2	孙作雷	上海海事大学信息工程学院	24	61	4.0	6.0
3	葛明进	上海海事大学信息工程学院	1	0	0.0	0.0