基于改进Faster R-CNN的目标检测算法研究

作者：张海明; 史涛^*

来源：重庆理工大学学报：自然科学, 2022, 36(09): 179-186.

• Faster R-CNN
• 数据增广
• 目标检测

基于Faster R-CNN(faster region based convolutional neural networks)模型对目标图像分类识别和边界回归的一般原理，在基础卷积网络、多尺度特征融合以及加入注意力机制和利用生物视觉的稀疏特性方面对Faster R-CNN网络模型做出改进。为验证所提出模型的性能，采用CTSDS(Chinese traffic sign dataset)数据集，在分析现实中影响交通标志检测性能因素的基础上，对数据集的部分样本做遮挡、加噪处理，实现数据增广。Matlab仿真结果表明：改进的网络模型对5类目标检测的平均精度为98.8%,证明了模型的有效性。

• 单位
  自动化学院; 华北理工大学; 天津理工大学