复杂交通环境下多层交叉融合多目标检测

作者：李翠锦^*; 瞿中

来源：电讯技术, 2023, 63(09): 1291-1299.

DOI：10.20079/j.issn.1001-893x.220330003

• 复杂交通环境
• 多目标检测
• 多目标识别
• 特征金字塔网络(FPN)
• 多层交叉融合

针对目前复杂交通环境下还存在多目标检测精度和速度不高等问题，以特征金字塔网络(Feature Pyramid Network, FPN)为基础，提出了一种多层融合多目标检测与识别算法，以提高目标检测精度和网络泛化能力。首先，采用ResNet101的五层架构将空间分辨率上采样2倍构建自上而下的特征图，按照元素相加的方式将上采样图和自下而上的特征图合并，并构建一个融合高层语义信息与低层几何信息的特征层；然后，根据BBox回归存在训练样本不平衡问题，选择Efficient IOU Loss损失函数并结合Focal Loss提出一种改进Focal EIOU Loss;最后，充分考虑复杂交通环境下的实际情况，进行人工标注混合数据集进行训练。该模型在KITTI测试集上的平均检测精度和速度比FPN分别提升了2.4%和5 frame/s,在Cityscale测试集上平均检测精度和速度比FPN提升了1.9%和4 frame/s。

• 单位
  重庆邮电大学; 重庆工程学院