一种基于Faster R-CNN的车辆检测算法

被引：15

作者：

韩凯 ^{[1
,2
]}

张红英 ^{[1
,2
]}

王远 ^{[1
,2
]}

徐敏 ^{[1
,2
]}

机构：

[1] 西南科技大学信息工程学院

[2] 特殊环境机器人技术四川省重点实验室

来源：

西南科技大学学报 | 2017年 / 32卷 / 04期

关键词：

车辆检测; 卷积神经网络; Faster R-CNN; LocNet网络;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

080203 ;

摘要：

针对传统的车辆检测算法无法自适应地完成在复杂场景变化下提取目标相应特征的现象,提出了一种基于深度学习的车辆检测算法,该算法结合了Faster R-CNN开源框架和Loc Net网络算法。首先,利用RPN算法获得图片中的候选区域,以减少检测过程中对每张图片的计算量;然后,进入Fast R-CNN网络,利用该深度网络中的卷积层和池化层,自适应地获得车辆目标的所有特征;最后,进入Loc Net网络,通过输入已经得到的图片候选区域,通过卷积层和池化层,不断计算候选区域边界的概率,达到不断优化候选区域边界,最后得到车辆目标的边界框。使用深度学习卷积神经网络,可以避免人工设计车辆目标特征适用性不广泛的缺点,提升车辆目标检测和定位的准确性。

引用

页码：65 / 70+94 +94

页数：7