Faster RCNN的交通场景下行人检测方法

• 作者: 孙涛 徐向前
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 卷积神经网络 行人检测 K-means算法 区域建议网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 67-70
• 页数: 4页
• 分类号: TP306
• 字数: 3626字
• 语种: 中文
• DOI: 10.11907/rjdk.192692

摘要

为了提高行人检测的准确性和鲁棒性,针对现有行人检测方法准确率低且实时性不佳等问题,参考目标检测算法中快速区域卷积神经网络Faster RCNN算法,首先采用K-means聚类算法得到合适的宽高比,然后优化区域建议网络(RPN)结构,降低计算量,并通过比较MobileNet、VGG16、ResNet50特征提取网络效果优劣,提出改进Faster RCNN的交通场景下行人检测方法,在Caltech-NEW数据集上进行训练与测试.实验结果表明,该方法大幅提高交通场景下行人检测的实时性和准确性,在测试集上检测准确度达到87.5％,单张图片检测耗时为0.187s,相比现有其它方法,其检测效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙涛	上海理工大学机械工程学院	52	265	10.0	14.0
2	徐向前	上海理工大学机械工程学院	1	0	0.0	0.0