基于尺度感知CNN的实时车辆检测算法

• 作者: 孙燕翔 曹佳 王风华 郑秋梅 马茂东
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 交通场景 车辆检测 尺度感知 卷积神经网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 系统结构
• 页码范围: 1628-1632,1669
• 页数: 6页
• 分类号: TP37
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.07.017

摘要

交通场景视频中的车辆尺度范围变化较大,不同空间尺度的车辆的实例表现出不同特征,导致特征的类内方差较大,影响检测方法的识别率.针对现有基于CNN的算法中卷积特征对尺寸不具有鲁棒性的问题,提出一种基于尺度感知的卷积神经网络(SAVD)车辆检测算法.该算法采用尺度感知的ROI池化层来维护小尺寸对象的原始结构.针对较大尺寸变化的类内距离超过单个网络的表示能力的问题,内置分支决策子网络来最小化特征的类内距离.实验证明,该算法在准确率上显著提高,对不同尺寸实例具有鲁棒性,上述轻量级技术提高检测速度,具有较好的实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑秋梅		36	258	10.0	14.0
2	曹佳		6	1	1.0	1.0
3	王风华		9	26	3.0	5.0
4	孙燕翔		1	0	0.0	0.0
5	马茂东		1	0	0.0	0.0