-
题名基于融合卷积神经网络的车辆多目标检测方法
- 1
-
-
作者
曹佳
郑秋梅
段泓舟
-
机构
牡丹江师范学院计算机与信息技术学院
中国石油大学(华东)计算机与信息技术学院
-
出处
《激光杂志》
北大核心
2025年第1期208-213,共6页
-
基金
黑龙江省教育厅青年培育项目(No.1354MSYQN021)。
-
文摘
在实际场景中,车辆目标往往会被其他车辆、建筑物等对象遮挡,背景也可能非常复杂,为了保障检测精度,提出一种基于融合卷积神经网络的车辆多目标检测方法。采用激光雷达采集车辆目标图像,将采集的车辆行驶图像根据其车道线特征划分为两侧区域,将车道线以内的区域作为车辆多目标检测初始感兴趣区域(ROI),在ROI中采用车底阴影假设区域分割法获取车辆检测目标的假设区域。在原始卷积神经网络的基础上作进一步优化,设计可变形卷积神经网络(DF-R-CNN)模型,将得到的假设区域作为网络模型所需的车辆多目标检测候选区域,通过该模型实现车辆多目标的精准检测。实验结果表明,所提方法的召回率最高值达到了85%,损失函数最低值约为1.8,说明其具有较高的检测精度和检测效果。
-
关键词
卷积神经网络
车道线划分
感兴趣区域ROI
可变形卷积神经网络
车辆多目标检测
-
Keywords
convolutional neural networks
lane line division
ROI of region of interest
deformable convolutional neural network
vehicle multi-target detection
-
分类号
TN249
[电子电信—物理电子学]
-
