基于RetinaNet及优化损失函数的夜间车辆检测方法

• 作者: 张炳力 秦浩然 江尚 郑杰禹 吴正海
• 来源期刊: 汽车工程
• 关键词: 夜间车辆检测 损失函数 交并比 RetinaNet 小目标检测
• 年，卷（期）: 2021,（8）
• 页码范围: 1195-1202
• 页数: 8页
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2021.08.010

摘要

为解决智能驾驶系统中夜间车辆检测误检多、远处小目标检测效果差的问题,在RetinaNet的基础上对损失函数进行全面优化.在分类损失函数方面,分析了负样本与正样本交并比的产生机理和对训练的影响,构造了关联交并比的分类损失函数,利用负样本交并比使网络注重于训练难分类负样本,同时利用正样本交并比提高了检测框的定位精度;在定位损失函数方面,改进了传统L1损失的归一化方式,提高了小目标检测能力.此外,针对夜间场景中的车辆特征对网络结构进行了优化设计,并在夜间车辆数据集上进行了测试验证,结果表明模型优化后的平均检测精度提升了14.6％.