一种深度学习的非机动车辆目标检测算法

来源：计算机工程与应用杂志2019年第8期北京时间：

作者：路 雪，刘 坤，程永翔

单位：上海海事大学 信息工程学院，上海 201306

摘要：针对道路交通场景目标检测问题，提出采用EdgeBoxes算法和深度学习融合的非机动车辆目标检测方法，利用深度学习目标分类算法Fast R-CNN，结合VOC格式的非机动车辆数据样本，把道路交通场景中的目标检测问题实化为自行车（bicycle）和电动车（evbike）的分类问题。利用EdgeBoxes算法提取样本的目标建议构建适量的感兴趣区域，和样本一起输入网络进行迭代训练，同时引入正则化思想和微调策略进行网络优化，降低网络复杂度并避免过拟合现象；网络训练后得到非机动车辆目标检测模型，对模型进行新样本测试并分析测试效果。在道路交通场景目标检测中，基于EdgeBoxes算法和优化Fast R-CNN融合的方法与传统方法相比，检测准确度稍有提高，运算量明显降低，检测速度加快近一倍。

关键词：目标检测,EdgeBoxes,深度学习,Fast R-CNN