基于改进的Faster RCNN模型在车辆类型检测中的应用

• 作者: 魏相站 邵丽萍 周骅
• 来源期刊: 智能计算机与应用
• 关键词: Faster RCNN 特征提取 注意力机制模块 Soft-NMS
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 系统开发与应用|System development and application
• 页码范围: 97-100,103
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2020.07.022

摘要

针对车辆类型检测受物体遮挡以及车辆重叠等影响,导致车辆类型的检测难度大的问题,本文提出了一种基于改进Faster RCNN模型的检测方法,在特征提取网络中嵌入卷积模块的注意力机制模块结构,使得特征提取网络可以重点关注与目标相关的有用信息,并弱化其它的无用信息,还引用Soft-NMS算法优化NMS算法,减少重叠或相邻目标漏检和错检问题.测试结果表明,与未改进的Faster RCNN模型做对比,改进后Faster RCNN模型的MAP值由84％提升至89％,证明使用该方法使检测精度有一定的提升.