一种优化的Faster R-CNN小目标检测方法

作者：程瑞; 高建; 邢强^*; 孙中昶

来源：测绘通报, 2021, (09): 21-27.

DOI：10.13474/j.cnki.11-2246.2021.0267

• 目标检测
• Faster R-CNN算法
• 深度学习
• 图像处理
• 新冠病毒

图像目标检测是计算机视觉与数字图像处理的一个热门方向,其主要任务是找出图像中感兴趣的物体并确定物体的位置与类别。目前基于深度学习模型是主流的目标检测算法,利用其解决诸多学科问题成为一种趋势。本文采用区域卷积神经网络(Faster R-CNN)深度学习算法和相关图像处理算法,以ResNet50、ResNet101为骨干网络,采用特征金字塔网络开展新冠疫情期间武汉市车辆变化监测,以此分析疫情下的武汉市内部活动强度。结果显示:本文车辆目标检测方法的精确率为0.96,召回率为0.92,平均精度为0.85。疫情前(2019年11月17日)、中(2020年02月22日)车辆变化情况为:武汉汇聚中心分别为263、32辆,汪家嘴立交桥分别为89、44辆,新兴工业园分别为554、347辆,经开未来城分别为188、57辆。可知,疫情导致武汉市人口出行减少、车辆活动明显降低。

• 单位
  中国科学院; 南京邮电大学