基于改进型Faster R-CNN的行人目标检测 |
| |
引用本文: | 谢子轶,许玉格.基于改进型Faster R-CNN的行人目标检测[J].惠州学院学报,2023(3):28-34. |
| |
作者姓名: | 谢子轶 许玉格 |
| |
作者单位: | 华南理工大学自动化科学与工程学院 |
| |
基金项目: | 国家自然科学基金(62101207);;广东省教育厅自然科学基金(2020KQNCX081); |
| |
摘 要: | 在行人目标检测中,小尺度、低像素的行人目标检测和行人遮挡等问题是模型训练的难点。针对深度学习Faster R-CNN网络对小尺度行人以及遮挡行人目标检测效果较差的情况,提出一种基于soft-NMS、GIoU和多尺度训练方法的改进型Faster R-CNN行人目标检测模型。在该改进模型中,Soft-NMS缓解行人密集检测中的因遮挡导致的漏检情况,GIoU对网络的损失计算进行改进,提升网络检测效果,多尺度训练方式能够提升小尺度与低像素的行人目标检测的准确率。仿真实验结果验证了该方法的有效性,改进的Faster R-CNN模型在Caltech行人数据集上的检测精度由64.2%提升到了70.4%,且在漏检率和误检率上都优于传统Faster R-CNN模型。
|
关 键 词: | 深度学习 Faster R-CNN Soft-NMS GIoU |
|