典型文献
改进Faster R-CNN的道路目标检测
文献摘要：
针对道路场景下各目标尺度复杂导致的检测精度低问题,提出一种面向道路目标的多尺度Faster R-CNN算法.分析数据集标注的面积及长宽比分布以设置合适尺寸的锚框,提高锚框与目标的匹配度,模型对道路小目标的平均精准度提升了13％以上.在Faster R-CNN网络的特征提取部分加入特征金字塔结构,融合不同尺度特征图的信息提高检测性能.在BDD100K数据集下进行实验,结果表明该方法与原有Faster R-CNN模型相比检测速率稍有下降,mAP得分提升15.1％.
文献关键词：
道路目标;多尺度特征融合;卷积神经网络;Faster R-CNN算法
中图分类号：
作者姓名：
周康;朱宗晓;徐征宇;田微
作者机构：
中南民族大学计算机科学学院 武汉 430074
文献出处：
引用格式：
[1]周康;朱宗晓;徐征宇;田微-.改进Faster R-CNN的道路目标检测)[J].计算机与数字工程,2022(04):750-756
A类：
B类：
Faster,道路目标检测,道路场景,标尺,检测精度,长宽比,锚框,匹配度,小目标,特征金字塔结构,不同尺度,特征图,高检,检测性能,BDD100K,检测速率,mAP,分提,多尺度特征融合
AB值：
0.336165
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
