论文摘要
随着无人驾驶技术的蓬勃发展,针对行人的检测成为一大难点,同时也是热点研究问题。而针对传统行人检测框架（One-stage和Two-stage等）对小尺度行人检测效果不佳的问题,本文在FPN网络基础上尝试了新的策略,致力于提高视频序列不同尺度行人的识别精度。算法先通过ResNet50提取特征,并采用FPN进行多尺度特征融合,同时利用RPN产生推荐区域,最后Fast RCNN对RPN产生的推荐区域实现分类与回归,经过非极大值抑制后处理等到最终结果。实验结果表明,本文基于FPN构建的行人检测算法,在CityPersons数据集上达到了11.88%MR,比基准模型Adapted Faster RCNN在小尺度行人检测上有较大提升,相比于传统检测框架能更好的检测不同尺度的行人。该技术可以广泛应用在智能视频监控,车辆辅助驾驶等领域中。
论文目录
文章来源
类型: 期刊论文
作者: 罗强,盖佳航,郑宏宇
关键词: 卷积神经网络,小尺度,行人检测,特征融合
来源: 软件 2019年12期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 汽车工业,计算机软件及计算机应用
单位: 南京理工大学计算机科学与工程学院
基金: 江苏省大学生创新创业训练计划项目经费资助,项目编号(201810288033X),南京理工大学本科生科研训练“百千万”计划
分类号: TP391.41;U463.6
页码: 100-105
总页数: 6
文件大小: 1767K
下载量: 209