摘要

针对车辆目标检测过程中小目标及遮挡目标的错检、漏检问题,提出改进Cascade RCNN车辆目标检测方法。首先使用改进的特征金字塔将浅层信息逐层融入深层网络,增强小目标及遮挡目标特征;然后引入多支路空洞卷积,减少下采样过程中的特征丢失;最后将感兴趣区域与上下文信息通过ROI Align统一尺寸后融合,增强目标特征表达。实验结果表明,改进后Cascade RCNN能更好的检测出小目标及遮挡目标,在KITTI和UA-DETRAC数据集上比Cascade RCNN提高了2.2%和2.7%。