重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (6): 137-146.doi: 10.3969/j.issn.1674-8425(z).2021.06.018

• 信息·计算机 • 上一篇    下一篇

改进的 ＣｏｒｎｅｒＮｅｔＳａｃｃａｄｅ车辆检测算法

梁礼明，熊 文，蓝智敏，钱艳群   

  1. 江西理工大学 电气工程与自动化学院，江西 赣州 ３４１０００
  • 收稿日期:2020-03-22 发布日期:2021-07-20
  • 作者简介:梁礼明，男，教授，主要从事机器学习与模式识别研究，Ｅｍａｉｌ：４９５７６２６３２＠ｑｑ．ｃｏｍ；通讯作者 熊文，男，硕士研 究生，主要从事深度学习与图像处理研究，Ｅｍａｉｌ：ｘｗ１５７７９０２８３０４＠１２６．ｃｏｍ。
  • 基金资助:
    国家自然科学基金项目（５１３６５０１７，６１４６３０１８）；江西省自然科学基金面上项目（２０１９２ＢＡＢ２０５０８４）；江西省教 育厅科学技术研究重点项目（ＧＪＪ１７０４９１）

  • Received:2020-03-22 Published:2021-07-20

PDF (PC)

266

赞

摘要： 针对现有的 ＣｏｒｎｅｒＮｅｔＳａｃｃａｄｅ算法在车辆检测任务中存在明显的误检和漏检现 象，提出了一种改进的 ＣｏｒｎｅｒＮｅｔＳａｃｃａｄｅ算法。首先通过加深堆叠沙漏网络结构，增强车辆高 级特征提取能力；其次，增加更小尺度的 ａｔｔｅｎｔｉｏｎｍａｐｓ以改善小目标车辆的检测能力，引入 ＤｅｎｓｅＢｌｏｃｋ模型和瓶颈残差单元降低堆叠沙漏网络参数的复杂度，保证层与层之间的最大信 息流；最后，通过 Ｓｉｇｍｏｉｄ激活函数得到最终的检测结果。在 ＫＩＴＴＩ数据库和自制数据库上对改 进算法进行了仿真实验，平均精确率分别达 ９２．５６％和 ９５．２１％，检测速度分别达 ４０ＦＰＳ和 ４９ ＦＰＳ，同时在自制数据库上对原 ＣｏｒｎｅｒＮｅｔＳａｃｃａｄｅ算法和改进算法进行了仿真实验，精确率和召 回率相比原算法分别提高了 ３．８％ 和 ８．５％。结果表明：此改进的 ＣｏｒｎｅｒＮｅｔＳａｃｃａｄｅ算法在车 辆检测任务中具有明显优势。

关键词: 车辆检测, 堆叠沙漏网络, 注意力机制, 锚点框, 角点检测

中图分类号: 

  • TP391