公开(公告)号：CN116758501A

公开(公告)日：2023-09-15

申请号：CN202310704037.1

申请日：2023-06-14

Applicant: 重庆邮电大学

Inventor： 陈俊虎 ,  刘明杰 ,  陈俊生 ,  朴昌浩 ,  马艺玮

IPC: G06V20/56 ,  G06V20/58 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/044

Abstract: 本发明请求保护一种基于深度学习的道路目标检测系统、方法及存储介质，属于自动驾驶环境感知领域，该方法使用Faster R‑CNN神经网络结构，其中采用残差神经网络ResNet作为骨干网络(Backbone)，用于图像特征提取；采用特征金字塔网络FPN作为颈部网络(Neck)，用于特征增强以及连接骨干网络和头部网络；采用区域生成网路RPN作为头部网络(Head)，用于生成多个区域候选边框；采用感兴趣区域池化，输出相同尺寸的特征图，输入至全连接层；分类回归，通过Softmax对目标进行分类，通过边框回归器对目标边框预测和修正。对道路目标检测数据集迭代训练，优化损失，以生成较为理想的目标检测模型。本发明提出基于注意力机制的上采样方法替换最近邻插值法，可有效传递多尺度目标语义，提高小目标检测精度。