改进Faster R-CNN的汽车仪表指针实时检测

作者：伍锡如; 邱涛涛^*

来源：智能系统学报, 2021, 16(06): 1056-1063.

• 卷积神经网络
• 汽车仪表指针
• 实时检测
• 双线性内插
• 深度学习
• 模式识别
• 特征提取
• 特征聚集

针对产业化的汽车仪表指针人工视觉检测效果差、检测速度慢和实时性低等问题,本文提出了一种改进的Faster R-CNN汽车仪表指针实时检测算法。通过改进原始的RoI网络层结构,实现小目标高低层特征之间的完整传递;采用双线性内插算法替代两次量化操作,使得特征聚集变成连续的过程,能够有效减少计算时间;最后将工业机采集的视频数据,预处理成VOC格式数据集进行训练,调整超参数得到改进汽车仪表指针检测模型。实验结果表明:所提出的方法能够快速、准确地实现汽车仪表指针检测,单张图片的平均检测时间为0.197 s,平均检测精度可达92.7%。在不同类别仪表指针的迁移实验中,展示了良好的泛化性能。

• 单位
  自动化学院; 桂林电子科技大学