文献类型：期刊文章

作　　者：王飞[1] 王林[2] 张儒良[2] 赵勇[3] 王全红[3]

Wang Fei;Wang Lin;Zhang Ruliang;Zhao Yong;Wang Quanhong(College of Humanities & Sciences,Guizhou Minzu University,Guiyang,550025,China;College of Data Science andInformation Engineering,Guizhou Minzu University,Guiyang,550025,China;School of Electronic and Computer Engineering,Shenzhen Graduate School Peking University,Shenzhen,518055,China)

机构地区：[1]贵州民族大学人文科技学院,贵阳550025 [2]贵州民族大学数据科学与信息工程学院,贵阳550025 [3]北京大学深圳研究生院信息工程学院,深圳518055

出　　处：《数据采集与处理》

基　　金：贵州省教育厅创新群体重大研究项目(黔教合KY字[2018]018)资助项目;深圳市科技计划(JCYJ20160506172651253)资助项目;贵州省研究生科研基金立项课题(黔教研合KYJJ字[2016]04)资助项目;贵州民族大学人文科技学院科研基金(18rwjs016)资助项目

年　　份：2019

卷　　号：34

期　　号：3

起止页码：530-537

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对多尺度行人检测的问题,本文提出一种基于融合特征金字塔网络(Feature pyramidnetworks,FPN)和Faster R-CNN(Faster region convolutional neural network)的行人检测算法。首先,对FPN和区域建议网络(Region proposal networks,RPN)进行融合;然后,对FPN和Fast R-CNN进行融合;最后,在Caltech数据集、KITTI数据集和ETC数据集上分别对融合FPN和Faster R-CNN的行人检测算法进行训练和测试。该算法在Caltech数据集、KITTI数据集和ETC数据集上的mAP(meanAverage Precision)分别达到69.72%,69.76%和89.74%。与Faster R-CNN相比,该算法不仅提高了行人检测精度,而且在多尺度行人检测的问题上也获得了较为满意的检测效果。

关 键 词：特征金字塔网络  区域建议网络  FASTER R-CNN  多尺度行人检测  

分 类 号：TP391.41]