基于FPT改进的Mask RCNN算法的道路信息检测研究

来源：计算机应用与软件杂志2025年第6期北京时间：

作者：范博森, 左云波, 徐小力, 王林枫

摘要：针对目前目标检测算法应用于道路信息目标检测效果差，容易出现漏检、错检等问题，提出一种基于FPT (Feature Pyramid Transformer)改进的Mask RCNN道路信息检测算法用于帮助城市道路建设提高工作质量。在特征融合网络中引入借鉴Transformer思想的FPT代替原有的FPN，对特征进行跨空间跨尺度的融合达到特征增强的效果，提高模型检测精度。在实验中，采用迁移学习思想，对PASCAL-VOC2012数据集进行预测结果得到模型的预测结果权重，实验结果表明，该算法相较于原算法在分别采用ResNet50, ResNet101时平均精度分别提高了7.5百分点、10.6百分点，对小目标的检测效果变得更好。

关键词：道路信息检测, Mask RCNN算法, 特征融合, FPT, Transformer