基于改进Mask RCNN的道路信息检测算法

作者：范博森; 左云波^*; 徐小力; 王林枫

来源：北京信息科技大学学报(自然科学版), 2022, 37(03): 88-95.

DOI：10.16508/j.cnki.11-5866/n.2022.03.015

• 道路信息检测
• Mask RCNN算法
• 深度可分离卷积
• 卷积注意力模块
• 双向特征金字域网络

针对目前目标检测算法应用于道路信息检测精度低、速度慢、小目标检测效果差的问题，提出一种基于改进掩膜区域卷积神经网络(mask region convolutional network, Mask RCNN)的道路信息检测算法。引入深度可分离卷积提升检测速度；引入卷积注意力模块(convolutional block attention module, CBAM)与双向特征金字塔网络(bidirectional feature pyramid network, Bi-FPN)提高模型精度；借鉴迁移学习思想，基于PASCAL-VOC2012数据集对模型预训练，提高模型学习特征的能力；基于自制道路信息数据集完成模型正式训练。实验结果表明，使用改进方法优化后的基于ResNet50的Mask RCNN算法整体性能较好，平均精度均值达到95.2%,较原算法提高了4.5%,检测帧率达到24.8帧/s,较原算法提高了8.3帧/s,且小目标漏检现象变少，证明改进方法可以提高道路信息检测算法的检测精度、检测速度与小目标检测性能。

• 单位
  北京信息科技大学; 机电工程学院