JASE ›› 2020, Vol. 11 ›› Issue (1): 111-116.DOI: 10.3969/j.issn.1674-8484.2020.01.012
申恩恩 1,胡玉梅 1,陈 光 1,罗 攀 1,朱 浩 2 #br#
SHEN Enen 1, HU Yumei 1, CHEN Guang 1, LUO Pan 1, ZHU Hao 2
摘要: 为提高深度学习神经网络运行速度,满足智能驾驶对算法实时性的要求,基于一种一体化实 时目标检测算法 YOLO 和一种目标检测网络模型 Faster RCNN,提出一种结合两者特点的实时目标 检测神经网络。该网络保留区域卷积神经网络(R-CNN)算法的二次检测模式和区域生成神经网络 RPN,去掉先验框,采用YOLO直接预测位置。结合 Mask R-CNN 中的 ROI-Align 方法进行二次 位置修正,减少了 Faster R-CNN 中ROI-pooling 所带来的位置预测偏差。对改进后的网络在 KITTI 数据集上进行测试,结果表明:改进后的神经网络检测一次仅耗时 38 ms,检测的平均精确度高于 YOLO 和Faster RCNN,且对于不同大小的目标都具有很好的泛化能力。