文献类型：期刊文章

作　　者：宋世奇[1] 李旭[1] 祝雪芬[1] 杨峰[2] 武文翀[3] 吴琳琦[3]

SONG Shiqi;LI Xu;ZHU Xuefen;YANG Feng;WU Wenchong;WU Linqi(School of Instrument Science and Engineering,Southeast University,Nanjing 210096,China;Road Network Monitoring and Emergency Response Center of Ministry of Transportation,Beijing 100020,China;Zhejiang Dahua Technology Co Ltd,Hangzhou 310000,China)

机构地区：[1]东南大学仪器科学与工程学院,江苏南京210096 [2]交通运输部路网监测与应急处置中心,北京100020 [3]浙江大华技术股份有限公司,浙江杭州310000

出　　处：《传感器与微系统》

基　　金：江苏省重点研发计划资助项目(BE2019106)。

年　　份：2021

卷　　号：40

期　　号：1

起止页码：114-117

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为提升无人机(UAV)航拍视角下城市道路车辆检测性能,基于SSD深度学习网络框架,改进并搭建了一种航拍城市道路车辆检测网络。一方面充分挖掘无人机航拍视角下车辆多为小目标的先验知识,利用K-means++聚类算法获取适应航拍车辆目标的默认候选框参数信息;另一方面,为保证小尺度目标特征的有效传递和准确提取,对基准SSD网络结构进行改进,在其特征提取网络骨架中加入了具有抗混叠效应的可学习低通滤波层,并保留用于小尺度车辆目标检测回归的大尺寸特征图。实验表明:在满足实时性的情况下,所提方法与基准SSD网络相比,检测精度提升了4.3个百分点,能够明显改善小尺度车辆目标检测效果,提高了无人机航拍视角下城市道路车辆目标整体检测精度。

关 键 词：智能交通 航拍图像 SSD 车辆检测

分 类 号：U491.8[物流管理与工程类]