论文部分内容阅读
针对城市道路交通视频中两轮车检测经常遇到的误检、漏检频繁,小尺度两轮车检测效果不佳等问题,设计了一种基于改进的Faster R-CNN算法的两轮车视频检测模型。模型修改了锚点的参数,并构建了一种多尺度特征融合的区域建议网络(RPN)结构,使得模型对小尺度目标更加敏感。针对两轮车数据集匮乏,采用迁移学习的方法进行学习并获得两轮车检测的最终模型。实验结果表明,改进后的算法可以有效解决交通视频中小尺度两轮车的检测问题,在两轮车数据集上获得了98.94%的精确率。