基于改进的R-FCN和SVM的车辆检测算法研究.pdfVIP

基于改进的R-FCN和SVM的车辆检测算法研究.pdf

  1. 1、本文档共50页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

摘要

基于改进的R-FCN和SVM的车辆检测算法研究

随着无人驾驶汽车的蓬勃发展,各个国家都竞相投入参与到无人驾驶汽车的

技术研发当中。目前已经有一些国家将无人驾驶汽车投入试用。环境感知是无人

驾驶汽车系统中至关重要的模块,也是后续行为决策、路径规划等模块的基础。

目标检测技术是环境感知模块中极其重要的技术。目标检测技术,主要目的是识

别和定位图像中的目标。由于目标检测技术能够快速地识别物体并且进行准确定

位,因而在无人驾驶领域广泛应用。

在过去的几十年中,因为深度学习技术潜力巨大,目标检测技术取得了显著

的成绩。近年来,全卷积神经网络(Region-basedFullyConvolutional

Networks,R-FCN)被广泛应用于解决目标检测的问题,并且实验结果比较理想。

R-FCN在极速卷积神经网络(FasterRegion-basedConvolutionalNetwork,

FasterR-CNN)的基础上,进行了改进,R-FCN采用位置敏感池化代替感兴趣区

域池化以获取区域的分数,有效提高网络对目标位置信息的敏感程度。特别地,

R-FCN采用共享全卷积网络以获取共享卷积特征图,实现了计算共享。

虽然基于R-FCN的目标检测方法在准确性和速度上都取得了很大的进步,但

是仍然存在许多挑战。然而R-FCN的研究并未考虑到以下两点。第一,由于原始

锚框的设计不合理且数量过多,导致目标识别和定位能力较差,计算速度慢;第

二,softmax分类器在区分正、负候选区域框时拟合能力差,影响候选区域生成

网络(RegionProposalNetwork,RPN)的分类效果。针对上述两个问题,本文

提出了一种基于改进的R-FCN和SVM的车辆检测算法(vehicledetection

algorithmbasedonImprovedR-FCNandSVM,IR-FCNSVM),本文主要的研究

内容包含以下两个部分:

(1)针对原始锚框存在的问题,本文设计了一种新颖的锚框,使用基于黄

金分割系数宽高比的6种尺寸大小的锚框,来代替原始9种尺寸大小的锚框,用

以解决目标检测中定位能力较弱的问题。

(2)在RPN中,本文将用于区分正、负候选区域框的softmax替换为支持

向量机(SupportVectorMachine,SVM),并使用鲸鱼优化算法(Whale

OptimizationAlgorithm,WOA)来优化SVM的参数,以提高分类器区分正、负

候选区域框的拟合能力,进而提高算法的分类能力。

本文在PASCALVOC和KITTI数据集上进行了实验,用于验证本文算法的性

能。从实验结果可以看出,本文算法具有较好的分类和识别效果。此外,本文算

法与其它几种检测算法进行了对比,本文的算法性能更好。本文算法相关参数的

取值可以依据具体实验进行确定,本文算法具有良好的灵活性。

关键词:

车辆检测,R-FCN,锚框,支持向量机,鲸鱼优化算法

Abstract

ResearchonVehicleDetectionAlgorithmBasedonImproved

R-FCNandSVM

Withthevigorousdevelopmentofdriverlesscars,variouscountries

areracingtoparticipateinthetechnologyresearchanddevelopmentof

driverlesscars.Atpresent,somecountrieshaveputunmannedvehicles

ontrial.Environmentalperceptionisavitalmoduleinthedriverless

carsystem,anditisalsothebasisforsubsequentbehavioral

decision-making,pathplanning,andothermodules.Objectdetection

您可能关注的文档

文档评论(0)

论文资源 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档