基于Cascade R-CNN的车辆目标检测方法

本文针对实际情况中行驶车辆检测时间较长并且识别精度低的问题,提出基于Cascade R-CNN(Cascade Regions with CNN features)车辆目标检测算法,该算法在数据集中端对端的训练表现的不错,并且在BIT-Vehicle数据集上的检测精度AP(Average Precision)达到了95.2%,图像平均单帧检测时间达到0.18s,基本满足了车辆实时检测的需求。研究对比了两种方法在BIT-Vehicle数据集中的车辆检测能力,该方法超越了Faster R-CNN的检测效果。