作者：范宜标; 卢玮; 傅智河自动驾驶车辆检测卷积神经网络
摘要：基于卷积神经网络(CNN)的目标检测方法已经在车辆检测中取得了巨大成功,然而自动场景下的车辆尺度变化较大,使得自动驾驶场景下的车辆检测依然是一个非常具有挑战性的问题,为此,针对车辆尺度变化这一问题提出了一种鲁棒的车辆检测方法。该算法在CNN不同尺度的特征图上提取目标候选框,进而将提取的这些候选框的特征输入另外一个小网络,对候选框做进一步的分类和回归。在通用的KITTI车辆检测数据集上的实验表明,方法可以大大提升基准算法检测的正确率,在1 280×384 pixels的自动驾驶场景的图像上,算法平均处理速度可以达到0.35 s/img。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
