-
题名Faster R-CNN模型在车辆检测中的应用
被引量：67
- 1
-
-
作者
王林
张鹤鹤
-
机构
西安理工大学自动化与信息工程学院
-
出处
《计算机应用》
CSCD
北大核心
2018年第3期666-670,共5页
-
基金
陕西省科技计划重点项目(2017ZDCXL-GY-05-03)~~
-
文摘
针对传统机器学习方法在车辆检测应用中易受光照、目标尺度和图像质量等因素影响,效率低下且泛化能力较差的问题,提出一种基于改进的较快的基于区域卷积神经网络(R-CNN)模型的车辆检测方法。该方法以Faster R-CNN模型为基础,通过对输入图像进行卷积和池化等操作提取车辆特征,结合多尺度训练和难负样本挖掘策略降低复杂环境的影响,利用KITTI数据集对深度神经网络模型进行训练,并采集实际场景中的图像进行测试。仿真实验中,在保证检测时间的情况下,相对原Faster R-CNN算法检测精确度提高了约8%。实验结果表明,所提方法能够自动地提取车辆特征,解决了传统方法提取特征费时费力的问题,同时提高了车辆检测精确度,具有良好的泛化能力和适用范围。
-
关键词
车辆检测
FASTER
R-CNN模型
区域建议网络
难负样本挖掘
KITTI数据集
-
Keywords
vehicle detection
Faster Regions with Convolutional Neural Network features （R-CNN） model
regionproposal network
hard negative sample mining
ki137 data set
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
