基于改进卷积神经网络的快速车辆检测

为了更加快速精准地识别和定位车辆,提出了一种基于卷积神经网络的改进算法。在建议网络(PN)以及特征提取上进行了优化,在提取基本特征之后嵌入一个轻量级的建议网络,产生候选区域,并在早期丢弃不可能的区域候选框减少背景数量;采用特征融合技术提取H-yper特征,细化了车辆的识别和定位,并对不同层提取的特征进行串联,有效地提高了车辆检测的质量和精度。在车辆检测和跟踪的大规模数据集和自己采集的车辆数据集上进一步验证,并与目前一些先进的算法进行比较,其中相比于Faster RCNN平均检测质量提高了9. 91%,充分表明了提出的算法的有效性。