基于改进Faster-RCNN的机场场面小目标物体检测算法

被引：19

作者：

韩松臣 ^{[1
]}

张比浩 ^{[1
]}

李炜 ^{[1
]}

汤新民 ^{[2
]}

付道勇 ^{[1
]}

机构：

[1] 四川大学空天科学与工程学院

[2] 南京航空航天大学民航学院

来源：

南京航空航天大学学报 | 2019年 / 51卷 / 06期

基金：

国家重点研发计划;

关键词：

机场场面监视; 多尺度特征融合; 在线难例挖掘; 小目标物体检测;

D O I：

10.16356/j.1005-2615.2019.06.001

中图分类号：

V355 [空中管制与飞行调度]; TP391.41 [];

学科分类号：

080203 ;

摘要：

针对目前应用于机场视频监控中的卷积神经网络方法存在小目标物体识别准确率较低的问题,本文提出了一种基于Faster-RCNN并结合多尺度特征融合与在线难例挖掘的机场场面小目标检测算法。该算法采用ResNet-101作为特征提取网络,并在该网络基础上建立了一个带有上采样的"自顶向下"的特征融合模块,以生成语义信息更加丰富的高分辨率特征图。并在网络训练过程中,采用在线难例挖掘的训练策略使模型更加鲁棒地对小目标样本进行定位。最后,手工构建了一个包含5 982张图片的机场数据集,用于检测模型的训练和测试。结果表明,本文所提出算法显著提升了机场场面小目标物体检测的准确率,且使整体平均检测准确率达到了80.8%,该结果高于其他先进的目标检测模型。

引用

页码：735 / 741

页数：7

共 38 条

[1] 基于视频的行人再识别
胡彬
杨铖
邵叶秦
杨赛
[J]. 南京航空航天大学学报, 2019, 51 (05) : 669 - 674
[2] 基于视频的行人再识别
胡彬
杨铖
邵叶秦
杨赛
[J]. 南京航空航天大学学报, 2019, 51 (05) : 669 - 674
[3] STDnet:A convNet for small target detection. BOSQUET B,MUCIENTES M,BREA V M. BMVC . 2018
[4] STDnet:A convNet for small target detection. BOSQUET B,MUCIENTES M,BREA V M. BMVC . 2018
[5] STDNET:A convnet for small target detection. BOSQUET B,MUCIENTES M,BREA V M. BMVC . 2018
[6] STDNET:A convnet for small target detection. BOSQUET B,MUCIENTES M,BREA V M. BMVC . 2018
[7] Deep lear-ning for generic object detection:A survey. LIU L,OUYANG W,WANG X,et al. https://arxiv. org/abs/ 1809 02165 . 2018
[8] Deep lear-ning for generic object detection:A survey. LIU L,OUYANG W,WANG X,et al. https://arxiv. org/abs/ 1809 02165 . 2018
[9] Recent advances in deep learning for object detection. WU X,SAHOO D,HOI S C H. https://arxiv.org/abs/1908.03673?context=cs.CV . 2019
[10] Recent advances in deep learning for object detection. WU X,SAHOO D,HOI S C H. https://arxiv.org/abs/1908.03673?context=cs.CV . 2019

← 1 2 3 4 →