基于多阶段提议稀疏区域卷积网络的城市交通目标检测OA
Urban Traffic Object Detection Based on Multi-Stage Proposal Sparse R-CNN
针对城市交通场景多目标检测算法检测速度慢,检测精度低等问题,本文提出多阶段提议稀疏区域卷积网络算法(Multi-stage Proposal Sparse Region-based Convolutional Neural Network,MPS R-CNN).算法主要有以下特点:提出了一种多阶段提议框过滤更新机制,提高算法检测精度;提出了一种双向并联特征金字塔网络(Bidirectional Parallel Feature Pyramid Network,BPFPN),增强了模型的特征融合能力;针对城市交通场景目标检测问题引入了Copy-Paste数据增强方法和CIoU损失函数.实验结果显示,MPS R-CNN算法在Urban Object Dataset数据集上mAP达到了77％,算法检测速度保持在37 fps,优于目前其他城市交通场景目标检测算法.
柳长源;张玉亮;毕晓君
哈尔滨理工大学测控技术与通信工程学院,黑龙江哈尔滨 150080哈尔滨理工大学测控技术与通信工程学院,黑龙江哈尔滨 150080中央民族大学信息工程学院,北京 100081
信息技术与安全科学
目标检测城市交通提议过滤特征金字塔数据增强
《电子学报》 2023 (1)
绿色安全的船舶水动力性能高维多目标优化设计方法研究
26-31,6
国家自然科学基金(No.51779050)黑龙江省自然科学基金(No.F2016022)
评论