荣 亮, 高清维, 李笑语, 卢一相, 孙 冬

(安徽大学 电气工程与自动化学院,安徽 合肥 230601)

0 引 言

目标检测是事件检测、活动识别、场景理解、目标追踪等许多高级视觉任务的必备前提,广泛应用于视频监控、自动驾驶、智能交通系统以及人机交互等众多实际任务。传统的目标检测算法大部分是人为干预设计特征信息,例如:由Viola P和Jones M在2001年提出的Viola-Jones[1]框架,以及利用方向梯度直方图(histogram of oriented gradients,HOG)特征和支持向量机(support vector machine,SVM)进行分类的DPM[2]算法。2012年出现了基于深度学习理论的深度卷积神经网络(deep convolutional neural network,DCNN)图像分类算法[3,4],使得图像分类的准确率大幅提高,从而也促进了目标检测准确率的增加。随着机器学习理论的发展,通过深度学习进行目标检测成为研究的热点之一。出现了如R-CNN[5],Faster R-CNN[6]和SSD[7]等用于目标检测的神经网络框架,在目标检测领域取得了优秀的成绩。

目前基于深度学习的目标检测算法,还难以满足自动驾驶等精度系数要求较高的任务。为此许多学者对单阶段检测模型进行诸多改进,例如文献[8]提出利用转置卷积对SSD检测能力的改进的方法以及温捷文等人设计的Atrous滤波器[9]都从一定程度上提升了单阶段检测网络对于小目标和遮挡目标的检测能力,但均效果有限。

本文以RefineDet[10]网络为基础,通过2个卷积神经网络(convolutional neural network,CNN)与1个循环神经网络(recurrent neural network,RNN)的并联,先粗略定位目标位置再由细定位模块精确修正检测框,在保证了检测速度的同时引入注意力机制,使得被遮挡的小目标也能精准定位,检测精度显著提升的同时也取得了优于Faster R-CNN等目标检测网络的时效性。……