基于多阶段提议稀疏区域卷积网络的城市交通目标检测

作者：柳长源; 张玉亮; 毕晓君

来源：电子学报, 2023, 51(01): 26-31.

• 目标检测
• 城市交通
• 提议过滤
• 特征金字塔
• 数据增强

针对城市交通场景多目标检测算法检测速度慢，检测精度低等问题，本文提出多阶段提议稀疏区域卷积网络算法（Multi-stage Proposal Sparse Region-based Convolutional Neural Network,MPS R-CNN）.算法主要有以下特点：提出了一种多阶段提议框过滤更新机制，提高算法检测精度；提出了一种双向并联特征金字塔网络（Bidirectional Parallel Feature Pyramid Network,BPFPN），增强了模型的特征融合能力；针对城市交通场景目标检测问题引入了CopyPaste数据增强方法和CIoU损失函数.实验结果显示，MPS R-CNN算法在Urban Object Dataset数据集上mAP达到了77%，算法检测速度保持在37 fps，优于目前其他城市交通场景目标检测算法.

• 单位
  中央民族大学; 哈尔滨理工大学