科研之友
微信
新浪微博
Facebook
分享链接
摘要
对公路隧道内的车辆和行人等目标进行实时检测,可以有效减少隧道安全事故。传统的检测方法主要是采用背景建模分割目标,采集图像特征对目标进行分类,对目标适应性较差且检测效果不佳。针对传统方法对环境适应性差以及目标召回率、准确率低等问题,将神经网络的浅层高分辨率低语义特征、中间层的补充语义特征和高层的高语义特征进行融合,提出一种三重信息融合的卷积神经网络隧道多类目标检测算法。在Faster R-CNN的基础上分别建立了ZFNet、VGGNet和Res Net三种网络改进前后的检测模型,并对数据进行了预处理与统一训练。结果表明:三重信息融合后的网络中仅Res Net克服了神经网络自身的梯度消失问题,实现了召回率与准确率的同步提升。
- 单位
