计算机应用

作者：刘革, 郑叶龙, 赵美蓉

单位：天津大学 精密测试技术及仪器国家重点实验室, 天津 300072

关键词：卷积神经网络,目标检测,维度聚类,特征融合,GIoU

基金：国家自然科学基金资助项目（51805367）；天津市自然科学基金资助项目（18JCQNJC04800，18JCZDJC31800）。

移动端计算力不足和存储有限导致车辆信息检测模型精度不高、速度较慢。针对这一问题，提出一种基于RetinaNet改进的车辆信息检测算法。首先，开发新的车辆信息检测框架，将特征金字塔网络（FPN）模块的深层特征信息融合进浅层特征层，以MobileNet V3为基础特征提取网络；其次，引入目标检测任务的直接评价指标GIoU指导定位任务；最后，使用维度聚类算法找出Anchor的较好尺寸并匹配到相对应的特征层。与原始RetinaNet目标检测算法的对比实验表明，所提算法在车辆信息检测数据集上的精度有10.2个百分点的提升。以MobileNet V3为基础网络时平均准确率均值（mAP）可达97.2%且在ARM v7设备上单帧前向推断用时可达100 ms。实验结果表明，所提方法能够有效提高移动端车辆信息检测算法性能。

来源：2020年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第3期