改进型Cascada R-CNN的行人检测算法的研究
贾叙文
刘庆华
刘东华
李杨
黄凯枫
江苏科技大学 镇江 212003
摘要：智能交通的中重要一点就是对行人的检测跟踪用以规避行人实现自动驾驶.在神经网络运用的目标检测之前,常见的行人检测方法有梯度直方图特征(Histogram of oriented gradient,HOG)与支持向量机(Support vector machine,SVM)相结合的方法,但是此方法的弊端较为突出,在检测准确率远远达不到目前主流的几种深度学习算法检测,其应用场景受到很大的限制.而目前在深度学习中,行人检测应用比较广泛的模型有Faster R-CNN、YOLOv3等,而论文将采用改进Cascada R-CNN模型,其比Faster R-CNN具有更好的抗干扰能力,在昏暗、光线不均匀等条件下具有较好的行人检测效果,同时使其能过更好的识别小样本行人,实验在INRIA数据集中完成训练与并在自制的测试集检测,取得了不错的效果.
关键词：行人检测Cascada R-CNNINRIA数据集深度学习
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2022-08-20
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：4( 1716-1719 )
英文信息