基于FCN模型和选择性搜索的目标检测方法

发布时间：2021-09-15 17:52

　　针对现有的识别算法在复杂环境下鲁棒性较差、准确率较低、检测速率较低慢问题,构建了一种基于全卷积神经网络（FCN）和选择性搜索的检测算法。首先,运用已经训练好的FCN模型快速对前车区域进行语义分割,实现前方目标位置的粗定位;接着,通过选择性搜索算法提取多尺度的候选区域,并将候选区域放入卷积神经网络分类模型进行分类得到各个候选区域的置信度;最后,通过非极大值抑制法提取最优区域即得到目标所在的精确位置。在LISA数据库的测试结果表明,相对于R-CNN算法,所提出的算法的准确率提高了5.9%,召回率提高了7.1%,平均单张识别时间减少了0.51秒/幅。 

【文章来源】：雷达与对抗. 2019,39(02)

【文章页数】：6 页

【部分图文】：

玄强之安士士弓j索理刑图

选择性搜索提取候选区域示例图

语义分割示例

【参考文献】：
期刊论文
[1]一种改进约束条件的简化非极大值抑制[J]. 张强,张陈斌,陈宗海.  中国科学技术大学学报. 2016(01)
[2]基于阴影和类Haar特征的动态车辆检测[J]. 宋晓琳,邬紫阳,张伟伟.  电子测量与仪器学报. 2015(09)
[3]基于边缘对称性的视频车辆检测算法[J]. 高磊,李超,朱成军,熊璋.  北京航空航天大学学报. 2008(09)
[4]汽车安全行驶智能辅助操作系统中的道路检测[J]. 黄席樾,柴毅,汪先矩,周欣,黄瀚敏.  重庆大学学报(自然科学版). 2000(02)



本文编号：3396523