基于FCN模型和选择性搜索的目标检测方法

摘要：

针对现有的识别算法在复杂环境下鲁棒性较差、准确率较低、检测速率较低慢问题,构建了一种基于全卷积神经网络(FCN)和选择性搜索的检测算法.首先,运用已经训练好的FCN模型快速对前车区域进行语义分割,实现前方目标位置的粗定位;接着,通过选择性搜索算法提取多尺度的候选区域,并将候选区域放入卷积神经网络分类模型进行分类得到各个候选区域的置信度;最后,通过非极大值抑制法提取最优区域即得到目标所在的精确位置.在LISA数据库的测试结果表明,相对于R-CNN算法,所提出的算法的准确率提高了5.9％,召回率提高了7.1％,平均单张识别时间减少了0.51秒/幅.

关键词：目标识别、语义分割、全卷积神经网络、选择性搜索、深度卷积神经网络、非极大值抑制法

所属期刊栏目：39

分类号：TP183(自动化基础理论)

在线出版日期：2019-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：58-63