基于改进的Faster RCNN模型在车辆类型检测中的应用

摘要：

针对车辆类型检测受物体遮挡以及车辆重叠等影响,导致车辆类型的检测难度大的问题,本文提出了一种基于改进Faster RCNN模型的检测方法,在特征提取网络中嵌入卷积模块的注意力机制模块结构,使得特征提取网络可以重点关注与目标相关的有用信息,并弱化其它的无用信息,还引用Soft-NMS算法优化NMS算法,减少重叠或相邻目标漏检和错检问题.测试结果表明,与未改进的Faster RCNN模型做对比,改进后Faster RCNN模型的MAP值由84％提升至89％,证明使用该方法使检测精度有一定的提升.

关键词：Faster RCNN、特征提取、注意力机制模块、Soft-NMS

所属期刊栏目：10

分类号：TP391(计算技术、计算机技术)

资助基金：贵州大学培育项目;贵州大学引进人才培育项目

在线出版日期：2021-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：97-100,103