重庆理工大学学报(自然科学) ›› 2022, Vol. 36 ›› Issue (9): 179-186.
• 智能技术 • 上一篇
张海明,史 涛
摘要: 基于 FasterRCNN(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 FasterRCNN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。
中图分类号: