文献类型：期刊文章

作　　者：陈朋弟[1] 黄亮[1,2] 夏炎[1] 余晓娜[3] 高霞霞[1]

CHEN Pengdi;HUANG Liang;XIA Yan;YU Xiaona;GAO Xiaxia(Faculty of Land Resource Engineering, Kunming University of Science and Technology, Kunming 650093, China;Surveying and Mapping Geo-Informatics Technology Research Center on Plateau Mountains of Yunnan Higher Education, Kunming 650093, China;Kunming Vocational and Technical College of Industry, Kunming 650093, China)

机构地区：[1]昆明理工大学国土资源工程学院,昆明650093 [2]云南省高校高原山区空间信息测绘技术应用工程研究中心,昆明650093 [3]昆明工业职业技术学院,昆明650093

出　　处：《国土资源遥感》

基　　金：国家自然科学基金项目“南方山地城镇建设用地与变化的坡度梯度效应研究”(编号:41961039);云南省应用基础研究计划面上项目“基于全卷积神经网络的多源遥感影像变化检测”(编号:2018FB078);云南省高校工程中心建设计划项目;自然资源部地球观测与时空信息科学重点实验室项目“基于直觉模糊集理论的多源遥感影像变化检测方法研究”(编号:201911);昆明理工大学学生课外学术科技创新基金项目“基于Mask Grid R-CNN的无人机影像路面交通标志检测与识别系统”(编号:2020YB002)共同资助。

年　　份：2020

卷　　号：32

期　　号：4

起止页码：61-67

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：交通标志的检测与识别是智能驾驶导航系统的重要组成部分,但传统方法的处理过程由于精度低、时间复杂度高以及鲁棒性差等缺点,不能满足当前智能驾驶的需求。为此,提出了一种基于Mask R-CNN的无人机影像路面交通标志检测与识别方法。首先,制作了一套高质量的无人机影像路面交通标志数据集;然后,根据统计的200个标记路标特征,对Mask R-CNN中区域候选网络(region proposal network,RPN)结构的锚框宽高比及初始参数进行了改进,使其更好地应用于无人机影像路标场景;最后,采用精确度-召回率(precision-recall,PR)曲线和平均精度值(mean average precision,mAP)进行精度评价。实验结果表明,锚框宽高比为1∶1,1∶2,1∶3时效果更好;该方法得到的识别结果平均检测精度为98.33%,高于Faster R-CNN和YOLOv3方法,具有较好的有效性。

关 键 词：无人机影像 交通标志检测 交通标志识别 Mask R-CNN  RPN  锚框  

分 类 号：P231]