郭川磊,何 嘉

(成都信息工程大学 计算机学院,成都 610225)(*通信作者电子邮箱hejia@cuit.edu.cn)

0 引言

在现实世界的应用中,以高精度分类和定位目标是服务质量的关键。例如,在高端的驾驶辅助系统中,精确地定位车辆和行人与实现安全的自动驾驶紧密相关。

近几年在目标检测领域取得的进展体现了深度卷积神经网络在自动驾驶技术发展中发挥的关键作用。目前基于卷积神经网络的不同方法可以大致被分为两类:第一类是类似基于区域卷积神经网络(Regions with Convolutional Neural Network, R-CNN)[1]的双阶段方法。该类方法的第一阶段产生高质量的候选区域,第二阶段对候选区域进行分类和定位结果优化。另外一类方法取消了生成候选区域阶段,构建了一个单阶段的端到端模型。单阶段模型通常更加容易训练,能够在生产环境中达到更高的计算效率[2]。然而,当单阶段模型需要以更高的交并比(Intersection over Union,IoU)来评估平均目标检测精度时,运算速度的优势通常会被较低的检测精度抵消,而双阶段的目标检测方法能够取得更高的检测精度。造成单阶段方法在高IoU条件下检测精度降低的主要原因是:在复杂的场景中,模型很难生成高质量的边界框。

通过实验可以看出,大部分低质量的边界框是由于定位小目标和重叠目标失败而产生的。在这种情况下,边界框的回归过程变得非常不可靠,因为边界框的正确生成必须依赖于图像的上下文信息(例如目标的尺寸信息或被遮挡目标周围的环境特征)。……