科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着汽车数量的快速增长以及无人机飞控技术的迅速发展,基于无人机航拍的车辆检测技术越来越有用武之地。传统的基于滑动窗口以及手工设计特征的车辆检测不仅计算量巨大,鲁棒性也不够好。卷积神经网络在目标检测方面发挥了显著的优势,但是常见的网络对于航拍遥感图像中的小目标检测效果一般。文中基于faster-RCNN在VGG16网络上使用通道合并融合的方式设计了超特征图,通过结合浅层特征以及深层特征的方式提取小目标的特征以提高检测的召回率。同时修改RPN层的包围框的大小以提高检测的准确性。在慕尼黑车辆数据集以及自己收集的数据上进行了测试,通过对比实验可知,该方法使得车辆检测的效果有了明显提升,在两个数据集上分别达到了72.3%和80.5%的mAP。
- 单位
