基于Mask R-CNN的行道树目标检测

作者：赖松雨; 史方^*; 廖俊; 周小力; 赵俊

来源：无线电工程, 2022, 52(12): 2263-2270.

• 深度学习
• 目标检测
• 注意力机制
• 计算机视觉
• 行道树

针对路灯遮挡、树干较细，Mask R-CNN对行道树检测识别的精度不高，分割掩膜的质量差的问题，提出一种改进型Mask R-CNN行道树目标检测算法。在Mask R-CNN网络基础上加入通道-空间注意力模块，加强了模型的多维度信息提取能力，用一个增强型特征金字塔替代原来的特征金字塔网络。使用自制的行道树数据集对改进的模型进行训练和验证，在行道树测试集上对原模型和改进后的模型进行了消融实验，改进型Mask R-CNN算法的均值平均(检测)精确率为79.4%,平均交并比为93.1%。实验结果表明，改良后的模型对行道树检测和分割效果更优。

• 单位
  四川轻化工大学