改进Faster R-CNN在两轮车辆载人检测中的应用
邝先验
陈涛
周亚龙
欧阳鹏
1.江西理工大学 电气工程与自动化学院,江西 赣州3410002.江西理工大学 电气工程与自动化学院,江西 赣州3410003.江西理工大学 电气工程与自动化学院,江西 赣州3410004.江西理工大学 电气工程与自动化学院,江西 赣州341000
摘要：针对交通场景复杂、人头尺寸偏小、乘客重叠等因素导致的两轮车辆载人检测经常出现的乘客漏检问题,设计了一种改进的Faster R-CNN检测模型.该模型以GoogLeNet为特征提取网络,修改了区域生成网络中候选框尺寸,采用特征融合策略,使得模型对小目标更加灵敏.针对乘客重叠导致的漏检问题,模型采用柔和的非极大值抑制(Soft-NMS)算法替换原始Faster R-CNN中的非极大值抑制(NMS)算法.实验结果表明:改进后算法可以解决两轮车上乘客检测问题,在两轮车辆载人数据集上获得了91.33％的检测精度和96.76％的召回率.
关键词：深度学习两轮车人头Faster R-CNN目标检测区域生成网络特征融合
分类号：TP319(计算技术、计算机技术)
资助基金：国家自然科学基金(51268017)国家自然科学基金(61463020)
论文发表日期：2021-02-25
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( 48-53 )