城市道路视频中小像素目标检测

TB872%TP391.4; 视频图像中的小像素目标难以检测.针对城市道路视频中的小像素目标,本文提出了一种改进YOLOv3的卷积神经网络Road_Net检测方法.首先,基于改进的YOLOv3,设计了一种新的卷积神经网络Road_Net;其次,针对小像素目标检测更依赖于浅层特征,采用了4个尺度检测方法.最后,结合改进的M-Softer-NMS算法来进一步提高图像中目标的检测精度.为了验证所提出算法的有效性,本文收集并标注了用于城市道路小像素目标物体检测的数据集Road-garbage Dataset,实验结果表明,本文算法能有效地检测出诸如纸屑、石块等在视频中相对于路面的较小像素目标....

Full description

Saved in:
Bibliographic Details
Published in光电工程 Vol. 46; no. 9; pp. 74 - 81
Main Authors 金瑶, 张锐, 尹东
Format Journal Article
LanguageChinese
Published 中国科学院电磁空间信息重点实验室,安徽合肥 230027 01.09.2019
中国科学技术大学信息科学技术学院,安徽合肥 230027
Subjects
视频图像
卷积神经网络
小像素目标
Online AccessGet full text
ISSN1003-501X
DOI10.12086/oee.2019.190053

Cover

More Information
Summary:TB872%TP391.4; 视频图像中的小像素目标难以检测.针对城市道路视频中的小像素目标,本文提出了一种改进YOLOv3的卷积神经网络Road_Net检测方法.首先,基于改进的YOLOv3,设计了一种新的卷积神经网络Road_Net;其次,针对小像素目标检测更依赖于浅层特征,采用了4个尺度检测方法.最后,结合改进的M-Softer-NMS算法来进一步提高图像中目标的检测精度.为了验证所提出算法的有效性,本文收集并标注了用于城市道路小像素目标物体检测的数据集Road-garbage Dataset,实验结果表明,本文算法能有效地检测出诸如纸屑、石块等在视频中相对于路面的较小像素目标.
ISSN:1003-501X
DOI:10.12086/oee.2019.190053