Faster R-CNN模型改进及机翼标记检测应用

作者：惠小强; 刘欢; 杨小宝

来源：西安邮电大学学报, 2021, 26(03): 73-79.

DOI：10.13682/j.issn.2095-6533.2021.03.012

• 计算机视觉
• 目标检测
• 机翼关键点检测
• 更快区域神经网络
• 属性检测
• 特征融合

对更快区域神经网络(Faster Region Convolutional Neural Network, Faster R-CNN)模型加以改进,并应用于机翼关键标记点位置检测。采用残差网络ResNet-101代替Faster R-CNN模型中的视觉几何组(Visual Geometry Group, VGG)16网络,作为特征提取的基础主干网络。添加属性分类器,利用多种特征检测方法检测机翼标志点的属性、类别以及位置的标签信息,排除与机翼标志点特征相似的标签标志点。通过特征金字塔17思想,构建特征融合策略,选择适合机翼标志点的锚尺寸生成适用的检测框。在机翼标志点专有数据集的测试结果表明,改进模型能在复杂环境下稳健地提取检测目标,检测准确率有所提高。

• 单位
  西安邮电大学; 电子工程学院