一种特征融合的小目标车辆检测算法
罗鹏飞
李明
1.武汉大学计算机学院,湖北武汉,4300722.武汉大学计算机学院,湖北武汉,430072
摘要：针对目前基于深度卷积神经网络的目标检测中,高维特征会遗失小区域特征及目标位置信息,从而导致对小目标的识别率很低的问题,提出了一种利用特征层融合进行检测的算法.利用图像插值方法,将高维特征图与低维特征图转化为同样尺寸,通过设置一个网络自学习参数来对各特征图进行有效融合,使得最终进行检测的特征图同时具有丰富的语义信息与尽可能多的目标特征信息.构建了一个简单的卷积神经网络模型,对道路场景中的远距离车辆进行检测,在KITTI数据集上进行测试.测试结果表明:与主流的Faster-RCNN和SSD检测框架相比,该模型的检测召回率分别提高了5.9％和14.6％.
关键词：小目标车辆检测Faster-RCNN特征层融合卷积神经网络
分类号：TP391.4(计算技术、计算机技术)
资助基金：国家重点研发计划基金项目(2016YFB0100901)
论文发表日期：2019-01-01
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：5( 40-44 )