一种优化的Faster R-CNN小目标检测方法

• 作者: 程瑞 高建 邢强 孙中昶
• 来源期刊: 测绘通报
• 关键词: 目标检测 Faster R-CNN算法 深度学习 图像处理 新冠病毒
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 学术研究
• 页码范围: 21-27
• 页数: 7页
• 分类号: P237
• 语种: 中文

摘要

图像目标检测是计算机视觉与数字图像处理的一个热门方向,其主要任务是找出图像中感兴趣的物体并确定物体的位置与类别.目前基于深度学习模型是主流的目标检测算法,利用其解决诸多学科问题成为一种趋势.本文采用区域卷积神经网络(Faster R-CNN)深度学习算法和相关图像处理算法,以ResNet50、ResNet101为骨干网络,采用特征金字塔网络开展新冠疫情期间武汉市车辆变化监测,以此分析疫情下的武汉市内部活动强度.结果显示:本文车辆目标检测方法的精确率为0.96,召回率为0.92,平均精度为0.85.疫情前(2019年11月17日)、中(2020年02月22日)车辆变化情况为:武汉汇聚中心分别为263、32辆,汪家嘴立交桥分别为89、44辆,新兴工业园分别为554、347辆,经开未来城分别为188、57辆.可知,疫情导致武汉市人口出行减少、车辆活动明显降低.