论文部分内容阅读
道路目标的识别与定位一直是无人驾驶和视频监控领域中的重要课题之一。以道路监控影像中的车辆为目标,提出一种端到端卷积神经网络车辆检测模型(HyperLocNet)。该模型首先利用区域生成网络(RPN)产生初始候选框,采用动态概率定位模型,给出目标在以初始候选框为中心的搜索区域内的精确位置,提高定位模型的稳定性和收敛性。动态概率模型通过输出搜索区域包含目标的概率,提供丰富的信息用于精确定位。在此基础上,HyperLocNet联合训练目标定位和识别任务实现端到端检测,提高定位精度和检测效率,并在监控视频中