基于卷积神经网络的车辆和行人检测算法

作者:潘婷;周武杰;顾鹏笠 刊名:浙江科技学院学报 上传者:栗慧娜

【摘要】针对传统的车辆和行人检测算法在提取特征时鲁棒性较差的问题,提出一种基于深度学习的车辆和行人检测算法。该算法利用更快速的区域卷积神经网络(Faster RCNN)开源框架和Squeezenet网络,通过在线负样本学习(OHEM)算法和可变的非极大值抑制(Soft-NMS)算法来改进算法的检测精度。首先采用Squeezenet网络框架对图片提取特征,然后通过区域提取网络算法(RPN)获取图片中待检测的区域,最后在检测阶段加入OHEM算法对疑难样本进行重新学习和Soft-NMS抑制重叠矩形框,从而得到目标的得分和边界框。结果表明,基于卷积神经网络的车辆和行人检测算法能够获得较好的检测效果。

全文阅读

浙江科技学院学报!第 !" 卷第 # 期! $"%& 年 %" 月 '()*+,-(./01 2 3,+ 4 5+361*738 9 (.:;31+;1,+<=1;0+(-( 49 >(-?!"@(?# ! A;8?$"%& !"# " %"?!BCB # 2 ?377+?%CD%E&DB&?$"%&?"#?""B 收稿日期! $"%&E"$E$D 基金项目!国家自然科学基金项目! C%#"$X$B "#浙江省自然科学基金项目! FG%&b"$""%$ "#浙江科技学院研究生科研 创新基金项目! $"%DG':[N""X " 通信作者!周武杰! %B&! $ ! "%男%浙江省临海人%副教授%博士%主要从事计算机视觉与模式识别.深度学习等研究& IEJ,3- ' Q) 2 31M0() ! %C!?;(J & 基于卷积神经网络的车辆和行人检测算法 潘 ! 婷,!周武杰,!O!顾鹏笠, !浙江科技学院 ,? 机械与能源工程学院# O? 信息与电子工程学院%杭州 !%""$! " 摘 ! 要!针对传统的车辆和行人检测算法在提取特征时鲁棒性较差的问题%提出一种基于深度学习的车辆和行 人检测算法&该算法利用更快速的区域卷积神经网络! b,781*UN@@ "开源框架和 : K )11M1+18 网络%通过在线负 样本学习! ALI] "算法和可变的非极大值抑制! :(.8E@]: "算法来改进算法的检测精度&首先采用 : K )11M1+18 网络框架对图片提取特征%然后通过区域提取网络算法! Ua@ "获取图片中待检测的区域%最后在检测阶段加入 ALI] 算法对疑难样本进行重新学习和 :(.8E@]: 抑制重叠矩形框%从而得到目标的得分和边界框&结果表 明%基于卷积神经网络的车辆和行人检测算法能够获得较好的检测效果& 关键词!目标检测# : K )11M1+18 网络#更快速的区域卷积神经网络#在线负样本学习 中图分类号! =a!B%?X !!! 文献标志码! H !!! 文章编号! %CD%E&DB& ! $"%& " #E"!B&E"C K(4#,+(*'! & (!(1)3#*'!()(,)#"'*+ / "3#)4@0*1(! "',"'8"+2)#"'*+'(23*+'()7"3? aH@=3+ 4 , % /LA5 \) 2 31 , % O % 5̂a1+ 4 -3 , ! ,?:;0((-(.]1;0,+3;,-,+<I+1* 49 I+ 4 3+11*3+ 4 # O?:;0((-(.Y+.(*J,83(+,+<I-1;8*(+3;I+ 4 3+11*3+ 4 % /01 2 3,+ 4 5+361*738 9 (.:;31+;1,+<=1;0+(-( 49 % L,+ 4 M0()!%""$! % /01 2 3,+ 4 % N03+, " 901)3*,) ' Y+*17 P (+718(801 P ((**(O)78+177(..1,8)*11S8*,;83(+ P *(O-1J73+8018*,<383(+,-6103;-1 ,+< P 1<178*3,+<181;83(+,- 4 (*380J % ,6103;-1,+< P 1<178*3,+<181;83(+,- 4 (*380JQ,7 P *( P (71<(+801 O,737(.<11 P -1,*+3+ 4 % Q03;00,78,Z1+,<6,+8, 4 1(.,+( P 1+<181;83(+.*,J1Q(*Z;,-1<b,781*UN@@ ,+<: K )1

参考文献

引证文献

问答

我要提问