基于尺度感知CNN的实时车辆检测算法
郑秋梅
曹佳
王风华
孙燕翔
马茂东
1.中国石油大学(华东)计算机与通信工程学院 青岛 2665802.中国石油大学(华东)计算机与通信工程学院 青岛 2665803.中国石油大学(华东)计算机与通信工程学院 青岛 2665804.中国石油大学(华东)计算机与通信工程学院 青岛 2665805.中国石油大学(华东)计算机与通信工程学院 青岛 266580
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.
关键词：交通场景车辆检测尺度感知卷积神经网络
分类号：TP37(计算技术、计算机技术)
论文发表日期：2020-07-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1628-1632,1669 )
英文信息