改进深度学习框架Faster RCNN的人行道障碍物目标检测

作者：黄宁霞; 张荣芬; 刘宇红^*

来源：机械设计与研究, 2021, 37(02): 7-12.

DOI：10.13952/j.cnki.jofmdr.2021.0044

• 人行道障碍物目标检测
• Faster RCNN
• 双线性插值
• Soft-NMS

针对现有人行道上障碍物检测效果比较差,提出一种改进的Faster RCNN人行道障碍物检测方法。首先用ResNet101代替VGG16网络,并对其进行优化,使用两个3×3卷积获得比单个卷积更大的接收场,减少了训练参数,提高了对较小障碍物目标的检测精度;其次对原始的RPN结构进行改进,通过增加一个滑动窗口来增大感受野的面积,提高网络的检测能力;然后在特征提取阶段采用双线性插值操作,避免了两次量化对目标检测准确度的影响;最后用Soft-NMS算法对锚框进行筛选,减少了NMS算法滤除交并比大于阈值的框而出现的漏检。实测结果表明,该算法适用于不同场景下的人行道障碍物检测,具有较好的鲁棒性。

• 出版日期2021
• 单位贵州大学