基于DeR-FCN模型的车辆检测算法

发布时间：2021-04-03 03:26

　　针对复杂城市环境下天气、光照、目标尺度以及车辆之间的遮挡等因素影响带来的车辆检测精度较差问题,提出一种改进区域全卷积网络的车辆检测算法（DeR-FCN）。通过特征级联的方式,跨层连接融合车辆底层细节特征和高层语义特征;使用维度分解区域提议网络,获得更加精准的区域候选框;在预测阶段采用软化非极大值抑制的方法,输出更加准确的检测结果。为验证算法的有效性,在KITTI和PASCAL VOC数据集,使用DeR-FCN算法和常用的车辆检测算法进行对比实验,实验结果表明,DeR-FCN算法的检测精度高于其它方法。 

【文章来源】：计算机工程与设计. 2020,41(10)北大核心

【文章页数】：7 页

【参考文献】：
期刊论文
[1]基于改进的R-FCN航拍巡线图像中的绝缘子检测方法[J]. 赵振兵,崔雅萍,戚银城,杜丽群,张珂,翟永杰.  计算机科学. 2019(03)
[2]改进的SSD航拍目标检测方法[J]. 裴伟,许晏铭,朱永英,王鹏乾,鲁明羽,李飞.  软件学报. 2019(03)
[3]Faster R-CNN模型在车辆检测中的应用[J]. 王林,张鹤鹤.  计算机应用. 2018(03)
[4]复杂背景下的车辆检测[J]. 凌永国,胡维平.  计算机工程与设计. 2016(06)
[5]基于联合HOG特征的车牌识别算法[J]. 殷羽,郑宏,高婷婷,刘操.  计算机工程与设计. 2015(02)



本文编号：3116521