針對(duì)現(xiàn)有的識(shí)別算法在復(fù)雜環(huán)境下魯棒性較差、準(zhǔn)確率較低、檢測(cè)速率較低慢問(wèn)題,構(gòu)建了一種基于全卷積神經(jīng)網(wǎng)絡(luò)（FCN）和選擇性搜索的檢測(cè)算法。首先,運(yùn)用已經(jīng)訓(xùn)練好的FCN模型快速對(duì)前車區(qū)域進(jìn)行語(yǔ)義分割,實(shí)現(xiàn)前方目標(biāo)位置的粗定位;接著,通過(guò)選擇性搜索算法提取多尺度的候選區(qū)域,并將候選區(qū)域放入卷積神經(jīng)網(wǎng)絡(luò)分類模型進(jìn)行分類得到各個(gè)候選區(qū)域的置信度;最后,通過(guò)非極大值抑制法提取最優(yōu)區(qū)域即得到目標(biāo)所在的精確位置。在LISA數(shù)據(jù)庫(kù)的測(cè)試結(jié)果表明,相對(duì)于R-CNN算法,所提出的算法的準(zhǔn)確率提高了5.9%,召回率提高了7.1%,平均單張識(shí)別時(shí)間減少了0.51秒/幅。 

【文章來(lái)源】：雷達(dá)與對(duì)抗. 2019,39(02)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

玄強(qiáng)之安士士弓j索理刑圖

選擇性搜索提取候選區(qū)域示例圖

語(yǔ)義分割示例

【參考文獻(xiàn)】：
期刊論文
[1]一種改進(jìn)約束條件的簡(jiǎn)化非極大值抑制[J]. 張強(qiáng),張陳斌,陳宗海.  中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2016(01)
[2]基于陰影和類Haar特征的動(dòng)態(tài)車輛檢測(cè)[J]. 宋曉琳,鄔紫陽(yáng),張偉偉.  電子測(cè)量與儀器學(xué)報(bào). 2015(09)
[3]基于邊緣對(duì)稱性的視頻車輛檢測(cè)算法[J]. 高磊,李超,朱成軍,熊璋.  北京航空航天大學(xué)學(xué)報(bào). 2008(09)
[4]汽車安全行駛智能輔助操作系統(tǒng)中的道路檢測(cè)[J]. 黃席樾,柴毅,汪先矩,周欣,黃瀚敏.  重慶大學(xué)學(xué)報(bào)(自然科學(xué)版). 2000(02)



本文編號(hào)：3396523