-
题名基于改进faster RCNN的木材运输车辆检测
被引量：7
- 1
-
-
作者
徐义鎏
贺鹏
任东
王慧
董婷
邵攀
-
机构
三峡大学计算机与信息学院
湖北省农业环境安全遥感监测分析重点实验室
-
出处
《计算机应用》
CSCD
北大核心
2020年第S01期209-214,共6页
-
基金
国家重点研发计划项目(2016YFD0800902)
湖北省技术创新专项(重大项目)(2017ABA157)
国家自然科学基金资助项目(41901341)。
-
文摘
针对目前森林资源受到盗砍盗伐威胁,相关木材运输车辆行为隐蔽,进而导致无法准确地在交通视频中被识别的问题,提出了一种基于改进fater区域卷积神经网络(faster RCNN)的木材运输车辆检测方法。首先,采用faster RCNN作为基础检测框架,使用金字塔特征网络(FPN)、多尺度训练、锚点框聚类作为基础改进措施;其次,以广义交并比(GIoU)损失函数替换原算法中的smoothL1损失函数作为边界框定位回归的损失函数;最后,计算出在多种实验条件下的模型平均精度均值(mAP),对各种算法进行了对比。实验结果表明,使用GIoU作为损失函数的faster RCNN相比原算法对木材运输车辆检测的平均精度(AP)上升了7.5%,模型平均精度均值(mAP)上升了4.3%;同时,在大型数据集PASCALVOC上,使用GIoU作为损失函数的faster RCNN的mAP达到73.4%,相比其他算法具有明显优势。
-
关键词
广义交并比
目标检测
损失函数
金字塔特征网络
faster区域卷积神经网络
车型检测
-
Keywords
Generalized Intersection over Union(GIoU)
target detection
loss function
Pyramid Feature Network(PFN)
faster faster Regional Convolutional Neural Network(RCNN)
vehicle detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
