摘要： 基于 ＦａｓｔｅｒＲＣＮＮ（ｆａｓｔｅｒｒｅｇｉｏｎｂａｓｅｄｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ）模型对目标图 像分类识别和边界回归的一般原理，在基础卷积网络、多尺度特征融合以及加入注意力机制和 利用生物视觉的稀疏特性方面对 ＦａｓｔｅｒＲＣＮＮ网络模型做出改进。为验证所提出模型的性能， 采用 ＣＴＳＤＳ（Ｃｈｉｎｅｓｅｔｒａｆｆｉｃｓｉｇｎｄａｔａｓｅｔ）数据集，在分析现实中影响交通标志检测性能因素的基 础上，对数据集的部分样本做遮挡、加噪处理，实现数据增广。Ｍａｔｌａｂ仿真结果表明：改进的网 络模型对 ５类目标检测的平均精度为 ９８．８％，证明了模型的有效性。

关键词: ＦａｓｔｅｒＲＣＮＮ；数据增广；目标检测

中图分类号: 

• TP181