改进的Faster R-CNN在车辆识别中的应用

作者：王宝珠; 史龙云; 郭志涛; 雷瑶

来源：现代电子技术, 2019, 42(23): 48-52.

DOI：10.16652/j.issn.1004-373x.2019.23.011

• 车辆识别
• 智能交通
• 改进的Faster R-CNN
• 特征提取
• 置信度函数改进
• 实验分析

随着人工智能技术的不断发展,利用深度学习进行车辆识别已经成为智能交通领域的热点。以更快速区域卷积神经网络(Faster R-CNN)模型为基础,利用BIT-Vehicle数据集定义车辆视觉任务,利用改进的困难样本算法加强对图像中远小目标车辆的特征提取,并改进NMS算法的置信度函数,动态调整置信度区间,对实际场景中的车辆图像进行测试。该方法可输入多尺度图像、能自主提取车辆特征,提高模型对小目标的判别能力,减少漏检情况,提升检测精度,加速模型收敛,鲁棒性较强。

• 出版日期2019
• 单位电子信息工程学院; 河北工业大学