Faster R-CNN模型在车辆检测中的应用
来源：计算机应用杂志2018年第3期北京时间：
作者：王林, 张鹤鹤
单位：西安理工大学 自动化与信息工程学院, 西安 710048
摘要：针对传统机器学习方法在车辆检测应用中易受光照、目标尺度和图像质量等因素影响，效率低下且泛化能力较差的问题，提出一种基于改进的较快的基于区域卷积神经网络（R-CNN）模型的车辆检测方法。该方法以Faster R-CNN模型为基础，通过对输入图像进行卷积和池化等操作提取车辆特征，结合多尺度训练和难负样本挖掘策略降低复杂环境的影响，利用KITTI数据集对深度神经网络模型进行训练，并采集实际场景中的图像进行测试。仿真实验中，在保证检测时间的情况下，相对原Faster R-CNN算法检测精确度提高了约8%。实验结果表明，所提方法能够自动地提取车辆特征，解决了传统方法提取特征费时费力的问题，同时提高了车辆检测精确度，具有良好的泛化能力和适用范围。
关键词：车辆检测,Faster R-CNN模型,区域建议网络,难负样本挖掘,KITTI数据集
基金资助：陕西省科技计划重点项目（2017ZDCXL-GY-05-03）。
