基于超分辨率特征的小尺度行人检测网络研究

赵琬婷; 李旭; 董轩; 袁建华

doi:10.13873/J.1000-9787(2022)06-0056-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于超分辨率特征的小尺度行人检测网络研究

研究与探讨 | 更新时间：2025-09-11

- 基于超分辨率特征的小尺度行人检测网络研究
- 基于超分辨率特征的小尺度行人检测网络研究
- 传感器与微系统 2022年第6期页码：56-60
- 作者机构：
  
  东南大学仪器科学与工程学院 2. 交通运输部公路科学研究院 3. 公安部交通管理科学研究所
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)06-0056-05
  中图分类号： U495;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
赵琬婷, 李旭, 董轩, 等. 基于超分辨率特征的小尺度行人检测网络研究[J]. 传感器与微系统, 2022,(6):56-60.

基于超分辨率特征的小尺度行人检测网络研究[J]. 2022, (6): 56-60.
赵琬婷, 李旭, 董轩, 等. 基于超分辨率特征的小尺度行人检测网络研究[J]. 传感器与微系统, 2022,(6):56-60. DOI： 10.13873/J.1000-9787(2022)06-0056-05.

基于超分辨率特征的小尺度行人检测网络研究[J]. 2022, (6): 56-60. DOI： 10.13873/J.1000-9787(2022)06-0056-05.

摘要

为提高路侧交通场景下对小尺度行人目标的检测性能，研究了一种利用超分辨率（SR）特征的小尺度行人检测网络。首先，基于生成对抗思想学习不同尺度行人目标间的特征残差，从而将小尺度行人特征重建为与大尺度行人特征相似的超分辨率特征；并以两步检测网络Faster R-CNN为基本框架，结合特征表征性强且参数少的Inception＿v2卷积层结构，采用适应小尺度行人目标的锚框参数和区域特征聚集策略ROI Align;基于超分辨率化的浅层特征实现了对小尺度行人的快速有效检测。最后，利用在路侧视角下采集的行人数据集进行了网络训练和性能测试。实验结果表明：与基准Faster R-CNN相比，提出网络对小尺度行人目标的检测准确率提升了14.7%

召回率提升了24.9%

检测速度提升至10 fps以上。

Abstract

召回率提升了24.9%

检测速度提升至10 fps以上。

关键词

Keywords

references

路侧感知在智能网联汽车中的应用与未来 [J]. 张长隆,鲍海兴,杜仙童,谢鹏程. 人工智能 . 2019(01)

Taking a Look at Small-Scale Pedestrians and Occluded Pedestrians. [J] . Cao Jiale,Pang Yanwei,Han Jungong,Gao Bolin,Li Xuelong. IEEE transactions on image processing : a publication of the IEEE Signal Processing Society . 2019

JCS-Net: Joint Classification and Super-Resolution Network for Small-Scale Pedestrian Detection in Surveillance Images. [J] . Yanwei Pang,Jiale Cao,Jian Wang,Jungong Han. IEEE Trans. Information Forensics and Security . 2019 (12)

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. [J] . Ren Shaoqing,He Kaiming,Girshick Ross,Sun Jian. IEEE transactions on pattern analysis and machine intelligence . 2017 (6)

浏览量

218

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据