面向车辆检测的扩张全卷积神经网络

作     者：程雅慧 蔡烜 冯瑞 CHENG Ya-Hui;CAI Xuan;FENG Rui

作者机构：复旦大学计算机科学技术学院上海201203 上海视频技术与系统工程研究中心上海201203 复旦大学上海市智能信息处理实验室上海201203 物联网技术研发中心上海201204 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2019年第28卷第1期

页      面：107-112页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：机器视觉 车辆检测 组合网络模型 扩张全卷积神经网络 

摘      要：近年来,深度学习方法被广泛用来解决车辆检测问题并取得了显著的成果,然而,当车辆尺寸较小时,当前深度学习算法的检测丢失率仍然很高.为了解决这个问题,本文提出了一种基于组合目标框提取结构的扩张全卷积神经网络(Dilated Fully Convolutional Network with Grouped Proposals, DFCN-GP).具体提出了一种结合低层特征和高层特征的组合网络模型用于生成目标框,其中低层特征对小目标更加敏感.此外,为保留更多的细节信息,基于扩张卷积思想,增加了网络最后一层卷积层的大小和感受野,用于目标框的提取和车辆检测.通过控制变量的对比试验,对基于组合方式的目标框提取网络和扩张卷积层的有效性进行了验证.本文提出的算法模型在公开数据集UA-DETRAC上性能优异.