典型文献
基于改进CenterNet的交通场景目标检测技术研究
文献摘要：
针对交通场景目标复杂、遮挡严重,导致目标难以检测的问题,提出了基于改进CenterNet的目标检测算法.CenterNet使用的激活函数ReLU函数在输入值为负值时输出及梯度均为0,导致CenterNet部分神经元无法计算输入信息,LeakyReLU函数在输入值小于0时存在一个很小的值,保留神经元的梯度值,能够解决ReLU函数中神经元死亡的问题.将CenterNet网络中的ReLU激活函数改进为LeakyReLU函数.同时改进了主干网络,综合考虑浮点运算数量和网络深度等因素,将原CenterNet网络主干网络改为ResNet-50,并且增加了空间金字塔池化结构(SPP),能更好提取特征信息,针对交通场景重新训练神经网络,利用测试集数据对神经网络进行测试.试验结果表明:对CenterNet算法进行优化后目标检测的召回率和精确率得到了提高,其综合评价指标F1值平均提高了0.14,mAP由83.18％提高至87.35％,FPS指标虽略有下降,但其他性能指标提升明显,说明改进的CenterNet目标检测模型具有较高的交通场景目标检测能力.
文献关键词：
交通运输工程;CenterNet;目标检测;神经网络
中图分类号：
作者姓名：
赵奉奎;成海飞;苏珊珊;张涌
作者机构：
南京林业大学汽车与交通工程学院,江苏南京210037
文献出处：
引用格式：
[1]赵奉奎;成海飞;苏珊珊;张涌-.基于改进CenterNet的交通场景目标检测技术研究)[J].重庆交通大学学报（自然科学版）,2022(12):11-17
A类：
B类：
CenterNet,交通场景,遮挡,目标检测算法,激活函数,负值,分神,LeakyReLU,留神,神经元死亡,主干网络,浮点运算,算数,ResNet,空间金字塔池化,SPP,提取特征,特征信息,新训,测试集,召回率,精确率,综合评价指标,mAP,FPS,指标提升,目标检测模型,检测能力,交通运输工程
AB值：
0.329226
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
