• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進Cascade RCNN的車輛目標(biāo)檢測方法

    2021-03-09 16:41:18李松江李海蘭
    計算機工程與應(yīng)用 2021年5期
    關(guān)鍵詞:支路空洞卷積

    李松江,吳 寧,王 鵬,李海蘭

    長春理工大學(xué) 計算機科學(xué)技術(shù)學(xué)院,長春130022

    車輛目標(biāo)檢測是無人駕駛、車輛定位、車輛跟蹤等諸多領(lǐng)域的研究基礎(chǔ),具有重要的研究意義和廣闊的應(yīng)用前景。在檢測過程中由于車輛自身的差異,以及在行駛過程中存在的遮擋、變形等問題使得檢測精度較低。因此改善車輛目標(biāo)檢測過程中小目標(biāo)及遮擋目標(biāo)的錯檢、漏檢問題并提高檢測精度,已成為車輛目標(biāo)檢測領(lǐng)域的研究熱點[1]。

    Kim等人[2]將SPP網(wǎng)絡(luò)集成到Y(jié)OLO-V3并加入多預(yù)測層,最終提高遮擋目標(biāo)的檢測精度。Nguyen[3]改進Faster RCNN特征提取網(wǎng)絡(luò)并使用上下文感知池化替代ROI池化,提高了小型車輛和遮擋車輛的檢測精度。Zhou等人[4]將對抗網(wǎng)絡(luò)與級聯(lián)的Faster RCNN相結(jié)合,對小目標(biāo)及遮擋目標(biāo)有更好的魯棒性。Cai等人[5]提出Cascade RCNN網(wǎng)絡(luò),通過級聯(lián)檢測器逐層提高候選框的IOU閾值,最終提高了小目標(biāo)及遮擋目標(biāo)的檢測精度。孔方方等人[6]提出改進YOLOV3的全景交通監(jiān)控目標(biāo)檢測方法,通過多尺度融合及使用K-means對目標(biāo)框進行聚類分析,提高目標(biāo)檢測精度。李俊彥等人[7]提出基于YOLOV3和KCF的交通場景下多目標(biāo)車輛跟蹤算法,實現(xiàn)交通場景下車輛軌跡的獲取。任宇杰等人[8]結(jié)合MobileNet網(wǎng)絡(luò)思想,構(gòu)建結(jié)合特征金字塔的多尺度全卷積網(wǎng)絡(luò)結(jié)構(gòu),提升了目標(biāo)在多任務(wù)場景下的檢測性能。陳景明等人[9]通過級聯(lián)感興趣區(qū)域上下文信息有效提高了小目標(biāo)的檢測精度。鄭秋梅等人[10]利用ResNet結(jié)構(gòu)改進Darknet-53特征提取網(wǎng)絡(luò)并增加尺度檢測層,有效提高了復(fù)雜場景中小目標(biāo)檢測精度。

    上述方法對感興趣區(qū)域上下文信息使用得不充分,同時忽略了淺層位置信息對小目標(biāo)及遮擋目標(biāo)的重要性。因此本文提出改進Cascade RCNN(Improved Cascade RCNN,IM-Cascade RCNN)車輛目標(biāo)檢測方法,主要采取了三種改進方法:由淺至深的多尺度特征融合、多支路空洞卷積下采樣、上下文信息融合。IMCascade RCNN能夠充分利用有益于小目標(biāo)及遮擋目標(biāo)檢測的淺層網(wǎng)絡(luò)位置信息,同時減少了特征融合過程中下采樣導(dǎo)致特征圖有效信息的丟失,提高遮擋目標(biāo)及小目標(biāo)的檢測精度,減少該類目標(biāo)的錯檢和漏檢。

    1 Cascade RCNN原理

    Cascade RCNN的結(jié)構(gòu)如圖1,由特征提取網(wǎng)絡(luò)ResNet101[11]、特征金字塔網(wǎng)絡(luò)(Feature Pyramid Networks,F(xiàn)PN)[12]和級聯(lián)檢測器組成。ResNet101將特征提取后,把每一層輸出的特征圖自深層至淺層進行多尺度融合,然后將融合后的特征圖{P2,P3,P4,P5}輸入?yún)^(qū)域建議網(wǎng)絡(luò)RPN[13]得到候選目標(biāo)區(qū)域。

    在檢測階段,Cascade RCNN使用級聯(lián)檢測器的方式進行檢測,每個檢測器包含ROI Align[14]、全連接層FC、分類得分C和邊框回歸B。檢測時通過前一個檢測器輸出的邊框回歸B對候選目標(biāo)區(qū)域進行重采樣,逐步提升IOU閾值訓(xùn)練得到新的分類得分C和邊框回歸B,最終提升樣本質(zhì)量和網(wǎng)絡(luò)訓(xùn)練效果。

    雖然Cascade RCNN對小目標(biāo)及遮擋目標(biāo)的檢測精度有一定提升,但仍然存在以下問題:Cascade RCNN的FPN是由深至淺進行多尺度特征融合,使每一層特征圖保留當(dāng)前層信息外還融合了語義特征。但在目標(biāo)檢測過程中淺層位置信息對小目標(biāo)及遮擋目標(biāo)的檢測更為重要。在檢測階段由于缺乏ROI周邊區(qū)域上下文信息,Cascade RCNN檢測遮擋目標(biāo)時易發(fā)生漏檢及錯檢。針對以上問題,本文提出IM-Cascade RCNN車輛目標(biāo)檢測方法,將在第2章進行詳細說明。

    2 IM-Cascade RCNN

    本文提出的IM-Cascade RCNN車輛目標(biāo)檢測方法如圖2所示。IM-Cascade RCNN將ResNet101網(wǎng)絡(luò)輸出的特征圖自淺層至深層逐層融合為特征金字塔并輸出到RPN,在融合過程中使用多支路空洞卷積對淺層特征圖進行下采樣,然后與降維后輸出的深層特征圖融合。經(jīng)RPN進行候選區(qū)域的選取后,將映射到原圖的ROI及其周邊上下文信息通過ROI Align層統(tǒng)一尺寸后融合,然后輸入全連接層FC進行分類和回歸。通過前一個檢測器輸出的邊框回歸對候選目標(biāo)區(qū)域進行重采樣并逐步提升IOU閾值,最終訓(xùn)練得到新的分類得分和邊框回歸。

    2.1 改進的特征金字塔

    經(jīng)特征提取網(wǎng)絡(luò)多次卷積和池化,每一層輸出特征圖如圖3所示。

    圖3 (b)至(f)為特征提取網(wǎng)絡(luò)ResNet101第一層至第五層輸出的部分特征圖。從圖中可以看出,淺層網(wǎng)絡(luò)輸出特征圖分辨率更高,包含更多位置和細節(jié)信息,深層網(wǎng)絡(luò)輸出特征圖具有更為全局的語義信息,但分辨率較低且對細節(jié)感知能力較差。圖中每幅圖用紅框標(biāo)記的為特征較少的小目標(biāo)及遮擋目標(biāo),經(jīng)過多次卷積和池化,紅框內(nèi)特征及其位置信息自圖3(b)起逐漸減少,在圖3(c)、(d)、(e)、(f)處逐漸消失。由此可知,淺層特征包含的有關(guān)小目標(biāo)及遮擋目標(biāo)的特征及位置信息經(jīng)特征提取后逐漸丟失。

    圖1 Cascade RCNN結(jié)構(gòu)圖

    圖2 IM-Cascade RCNN結(jié)構(gòu)圖

    圖3 特征圖可視化

    傳統(tǒng)特征金字塔將深層特征逐層融入淺層網(wǎng)絡(luò),使淺層網(wǎng)絡(luò)保留位置信息的同時融入更多語義信息,例如將圖3(f)與圖3(e)融合。但在小目標(biāo)及遮擋目標(biāo)的檢測過程中,淺層特征所包含的細節(jié)信息更多且更為重要。為增強小目標(biāo)及遮擋目標(biāo)的特征,本文對傳統(tǒng)特征金字塔進行改進,將淺層網(wǎng)絡(luò)輸出特征圖逐層融入深層網(wǎng)絡(luò)。改進后特征金字塔如圖4。由于第一層輸出特征圖包含較多噪聲信息且分辨率過大,易提高網(wǎng)絡(luò)運行成本。因此從特征提取網(wǎng)絡(luò)Conv2輸出特征圖P2開始構(gòu)建改進特征金字塔,首先通過下采樣操作縮小P2的尺寸大小。為保證深淺層特征圖能夠使用加法操作進行特征融合,需要使用1×1卷積改變深層特征圖的通道數(shù),使其通道數(shù)與下采樣后的淺層特征圖相同。然后將下采樣后的P2與改變通道數(shù)的Conv3輸出特征圖進行融合最終得到P3。由于直接將特征疊加易造成特征的不連續(xù),導(dǎo)致特征混亂,因此使用3×3卷積對融合后的特征圖進行卷積操作以消除不同特征圖間的特征分布差異,保證特征的穩(wěn)定性。同理可得P4和P5,具體融合公式為:其中,F(xiàn)i是第i級融合后輸出的特征圖,I表示ResNet101網(wǎng)絡(luò)輸出的特征圖,conv(?)表示對第i層特征圖進行下采樣,dim(?)表示對第i+1層特征圖進行1×1卷積降維操作,n表示ResNet101網(wǎng)絡(luò)層級。使用上述融合方式使每一層具有當(dāng)前層語義信息的同時,還融合了豐富淺層位置信息,有益于小目標(biāo)及遮擋目標(biāo)的檢測。

    圖4 改進后特征金字塔

    2.2 多支路空洞卷積下采樣

    在2.1節(jié)所述的特征融合過程中需要對淺層特征圖下采樣,然后與降維后深層特征圖融合。通過下采樣能有效擴大感受野[15],使單個像素點能夠表示廣泛的特征,但小目標(biāo)及遮擋目標(biāo)特征在這一映射過程中逐漸變少,甚至丟失。

    因此提出使用空洞卷積進行下采樣以減少特征丟失。與普通卷積相比,空洞卷積多出了空洞率為r的參數(shù),能夠在不增加額外計算量的情況下擴大感受野且保持圖像分辨率[16]。由于不同尺度目標(biāo)對應(yīng)不同感受野,因此并聯(lián)三種不同空洞率的空洞卷積進行下采樣,能夠獲取目標(biāo)周邊不同范圍、不同大小的信息。同時不同空洞卷積的卷積范圍不同,使得卷積后能夠保留不同范圍特征,減少了特征丟失,最終將下采樣后的特征圖進行融合。具體操作如圖5。

    圖5 多支路空洞卷積下采樣

    如圖5所示,并聯(lián)多個不同空洞率的空洞卷積統(tǒng)一處理輸入特征圖。具體方式為:使用3種3×3步長為2的空洞卷積進行下采樣,其中空洞率分別為1、2、3,然后使用含批量歸一化的concat融合方式對卷積后的特征圖進行融合,最后用1×1卷積進行降維操作,方便后續(xù)的多尺度特征融合。這一處理過程可以用如下公式表達:

    其中,Hk,r(x)表示空洞卷積,k表示卷積核大小,r表示空洞率,F(xiàn)表示融合后的特征。

    使用單個卷積下采樣與多支路空洞卷積下采樣的特征圖對比如圖6。

    圖6 單一下采樣與多支路下采樣熱力對比圖

    將下采樣后的特征圖以熱力圖形式直觀展示。每幅圖中矩形框標(biāo)記的為特征增強較為明顯區(qū)域。其中m區(qū)域為特征較少的小目標(biāo)及遮擋目標(biāo),n區(qū)域為中等目標(biāo),p區(qū)域為大目標(biāo)。

    對比圖6(a)、(b)、(c)可知,m2及m3處的特征明顯多于m1,且n2、p2及n3、p3處特征比n1、p1更為豐富,目標(biāo)特征輪廓更為清晰。因此并聯(lián)雙支路空洞卷積下采樣減少了小目標(biāo)及遮擋目標(biāo)特征丟失,同時豐富了中等目標(biāo)及大目標(biāo)特征。當(dāng)空洞率為3時,空洞卷積的感受野較大,包含的特征范圍較廣,能夠獲取更為全局的目標(biāo)特征,與單一卷積并聯(lián)后,融入的全局特征能使目標(biāo)輪廓更加清晰。當(dāng)空洞率為2時,空洞卷積感受野較小,與單一卷積并聯(lián)能提取更為細膩的特征以豐富小目標(biāo)及遮擋目標(biāo)特征。對比圖6(b)、(c)可知,m2處特征相比m3更為豐富,但n3處的目標(biāo)輪廓特征比n2更為清晰。因此可得出結(jié)論:并聯(lián)不同空洞率的空洞卷積對目標(biāo)特征有不同程度的增強,小的空洞率能夠保留更為豐富的細節(jié)信息,更大的空洞率使目標(biāo)特征輪廓更為清晰。

    由圖6(d)可得知,m4處特征保留最多,p4、n4處特征相比其他三幅圖對應(yīng)特征更加豐富且目標(biāo)特征輪廓更加清晰。因此并聯(lián)三支路進行下采樣能夠獲取多尺度感受野信息,有效增強了小目標(biāo)及遮擋目標(biāo)特征并減少特征丟失,同時也豐富了中等目標(biāo)及大目標(biāo)特征。

    通過以上分析,相比單一卷積下采樣,多支路空洞卷積下采樣使最終融合后的特征圖既保留了單一卷積下采樣后的特征,又融入目標(biāo)周邊信息使目標(biāo)特征更豐富,同時減少了特征丟失。

    2.3 上下文信息融合

    由于ROI包含特征有限,目標(biāo)在高度重疊的情況下包含遮擋目標(biāo)有關(guān)信息較少。當(dāng)遮擋車輛與周邊車輛存在相同或相似的特征時,容易造成后續(xù)分類和回歸的不確定性,導(dǎo)致遮擋目標(biāo)的檢測精度較低。本文將結(jié)合ROI周圍區(qū)域,利用局部上下文信息[17]豐富目標(biāo)的特征表達,詳細過程如圖7所示。

    圖7 上下文信息融合方式

    將ROI區(qū)域及其上下文信息經(jīng)過ROI Align映射成相同大小的矩形框,然后通過加法操作進行融合。通過放大ROI區(qū)域獲取上下文信息,假設(shè)每個ROI區(qū)域的寬為w,高為h,ROI區(qū)域放大比例因子設(shè)置為1.5,則包含上下文信息區(qū)域的寬和高為1.5w、1.5h,與ROI有相同中心。具體融合公式為:

    其中,f表示融合后的特征圖,R[?]表示ROI Align,r(?)表示目標(biāo)區(qū)域,w為區(qū)域的寬,h為區(qū)域的高,w′和h′為乘以放大比例因子后的寬和高。ROI區(qū)域及其上下文信息的融合能夠擴大特征圖的感知區(qū)域,使改進后方法能夠?qū)W習(xí)到更豐富的遮擋目標(biāo)信息。

    3 實驗與結(jié)果分析

    3.1 實驗環(huán)境及參數(shù)設(shè)置

    實驗運行環(huán)境見表1。

    表1 實驗運行環(huán)境

    3.2 實驗數(shù)據(jù)

    本文將使用KITTI[18]和UA-DETRAC[19]數(shù)據(jù)集分別進行實驗對比分析。

    KITTI數(shù)據(jù)集每張圖像中最多達15輛車和30個行人,還包括各種程度的車輛遮擋與截斷。由于此數(shù)據(jù)集包含多種類別數(shù)據(jù),在實驗過程中將與車輛無關(guān)的類別刪除,并將不同種類的車輛統(tǒng)一合并為一類。

    UA-DETRAC數(shù)據(jù)集由車輛視頻序列組成,包括晴天、多云、雨天和夜間等各種場景的數(shù)據(jù)。在此數(shù)據(jù)集上進行實驗分析時,將在不同的場景下測試IMCascade RCNN的有效性。

    對KITTI和UA-DETRAC數(shù)據(jù)集的劃分如表2所示。

    表2 數(shù)據(jù)集劃分

    3.3 評估指標(biāo)

    本文將采用AP(單類平均精度)、FPS(每秒傳輸幀率)作為車輛目標(biāo)檢測方法評估指標(biāo),并繪制Recall-Precision(召回率-精確率)曲線評價檢測方法性能,RP曲線所圍成的面積即為AP值大小,面積越大則AP值越大,檢測精度越高。其中AP、Recall、Precision計算公式如下:

    其中,TP是檢測出正樣本的概率,F(xiàn)P是檢測出錯誤樣本的概率,F(xiàn)N是未檢測出正確樣本的概率,TN是檢測出負樣本的概率。

    3.4 訓(xùn)練參數(shù)

    訓(xùn)練的過程中將動量設(shè)置為0.9,初始學(xué)習(xí)率設(shè)置為0.001,迭代次數(shù)設(shè)置為180 000,衰減系數(shù)設(shè)置為0.000 5。當(dāng)?shù)螖?shù)分別為70 000,120 000時,將學(xué)習(xí)率調(diào)整為0.000 1,0.000 01。在KITTI和UA-DETRAC數(shù)據(jù)集上IM-Cascade RCNN的損失收斂情況如圖8所示。

    圖8 損失函數(shù)曲線

    圖8 中IM-Cascade RCNN在KITTI和UA-DETRAC數(shù)據(jù)集上經(jīng)過180 000次的迭代后,損失值在0.1附近趨于穩(wěn)定,模型達到最優(yōu)狀態(tài)。

    3.5 實驗結(jié)果

    選取雙階段目標(biāo)檢測方法:Faster RCNN[20]、R-FCN[21]、CoupleNet[22]與Cascade RCNN及IM-Cascade RCNN進行實驗對比。Faster RCNN是基于RPN的雙階段網(wǎng)絡(luò);R-FCN是基于RPN的全卷積網(wǎng)絡(luò),由于不包含全連接層,所以檢測速度較快;CoupleNet以R-FCN為基礎(chǔ),融合了全局信息和局部信息,檢測速度相比R-FCN有所降低。

    3.5.1 KITTI數(shù)據(jù)集實驗結(jié)果

    本小節(jié)將在KITTI上進行對比實驗以及消融實驗,驗證所提出創(chuàng)新點的有效性。IOU及置信度閾值設(shè)置為0.5,在KITTI上的檢測結(jié)果如表3所示。

    如表3,其中“F”表示改進的特征金字塔,“C”表示多支路空洞卷積下采樣,“Context”表示上下文信息融合。在KITTI數(shù)據(jù)集中,IM-Cascade RCNN的AP值比Cascade RCNN、CoupleNet、R-FCN、Faster RCNN分別提高了2.2、6.15、8.65、12.96個百分點,F(xiàn)PS分別降低了0.6、9.0、12.7、4.4。

    表3 KITTI數(shù)據(jù)集檢測結(jié)果

    消融實驗結(jié)果表明:改進后的特征金字塔使檢測精度提高了1.33個百分點,F(xiàn)PS降低了0.1;增加多支路空洞卷積下采樣方式使檢測精度提高了1.65個百分點,F(xiàn)PS降低了0.4。融合ROI周圍區(qū)域的上下文信息使檢測精度提高了0.9個百分點,F(xiàn)PS降低了0.3。相比Cascade RCNN,IM-Cascade RCNN檢測精度從89.72%提升至91.92%,共提升了2.2個百分點,F(xiàn)PS共降低了0.6。

    為驗證多支路空洞卷積下采樣方式的有效性,本文分別使用單一卷積及并聯(lián)雙支路空洞卷積及三支路空洞卷積對淺層特征圖進行下采樣,最終檢測結(jié)果如表4。

    表4 空洞卷積實驗結(jié)果

    通過表4可得出如下結(jié)論:相比單一卷積下采樣方式,分別并聯(lián)空洞率為1、2和1、3的空洞卷積進行下采樣,檢測精度僅提升了0.13個百分點及0.15個百分點。因此僅并聯(lián)兩種空洞卷積進行下采樣,由于包含目標(biāo)周圍信息不夠全面導(dǎo)致檢測精度提升幅度較小。并聯(lián)三種不同空洞率的空洞卷積由于引入了目標(biāo)周邊不同范圍的信息使得檢測精度相比雙支路及單支路有一定提升,共提升了0.32個百分點。

    為保證不同空洞卷積下采樣后的特征圖大小相同,下采樣前需對原特征圖進行padding填充,空洞率越大則padding值越大。由于padding值過大會增加網(wǎng)絡(luò)計算量,因此并聯(lián)多支路空洞卷積下采樣時檢測速度變慢,相比單一卷積下采樣檢測每幅圖所花費的時間從143 ms增加至149 ms,共增加了6 ms,增加了網(wǎng)絡(luò)運行成本。

    上述實驗數(shù)據(jù)驗證了本文創(chuàng)新點的有效性,多支路空洞卷積、上下文信息融合模塊的引入雖然使檢測速度有一定降低,但在可接受范圍之內(nèi)。各方法的PR曲線如圖9。由圖9可知IM-Cascade RCNN在相同召回率情況下精確率更高,RP曲線圍成的面積更大,檢測精度更高。

    圖9 KITTI數(shù)據(jù)集RP曲線圖

    3.5.2 UA-DETRAC數(shù)據(jù)集實驗結(jié)果

    本小節(jié)將在UA-DETRAC數(shù)據(jù)集不同的天氣狀況下進行對比實驗,驗證本文所提出方法在不同場景下的有效性。同時分析不同方法檢測小目標(biāo)、中等目標(biāo)以及大目標(biāo)的精度,驗證IM-Cascade RCNN方法的創(chuàng)新性。

    本文采取MS COCO數(shù)據(jù)集對小目標(biāo)、中等目標(biāo)、大目標(biāo)的區(qū)分定義[23],具體方式如表5。將目標(biāo)面積小于322的歸類于小目標(biāo),面積在322與962之間的歸類于中等目標(biāo),面積大于962的歸類于大目標(biāo)。

    表5 目標(biāo)大小劃分方式

    設(shè)置與KITTI相同的IOU及置信度閾值,最終檢測結(jié)果如表6所示。

    表6 UA-DETRAC數(shù)據(jù)集檢測結(jié)果

    由表6可知,綜合場景下IM-Cascade RCNN的AP值比Cascade RCNN、CoupleNet、R-FCN、Faster RCNN分別提高了2.7、8.69、12.64、24.06個百分點,F(xiàn)PS分別降低了0.9、9.4、13.3、6.2。并且在晴天、多云、雨天、夜間四種不同場景下IM-Cascade RCNN檢測精度均為最高,證明了本文所提出方法在不同天氣狀況下均有較好的檢測效果,適用于不同場景下車輛目標(biāo)檢測。同時IMCascade RCNN對于小目標(biāo)、中等目標(biāo)及大目標(biāo)均有良好的檢測效果,與其他方法相比檢測精度最高。本文所提出方法對于小目標(biāo)及中等目標(biāo)檢測精度相比原Cascade RCNN方法分別提升了2.69個百分點和2.78個百分點,大目標(biāo)檢測精度從88.17%提升至89.92%,僅提升了1.75個百分點。由此可得出如下結(jié)論:由于小目標(biāo)及中等目標(biāo)存在車輛遮擋情況較為嚴(yán)重且不易檢出,因此IM-Cascade RCNN針對小目標(biāo)及中等目標(biāo)的檢測精度提升幅度略高于大目標(biāo),證明了本文所提出方法對小目標(biāo)及遮擋目標(biāo)的錯檢及漏檢問題有一定改善。

    由于UA-DETRAC數(shù)據(jù)集包含小目標(biāo)及遮擋目標(biāo)較多,相比在KITTI數(shù)據(jù)集上的提升效果更為明顯。各方法在UA-DETRAC的PR曲線如圖10。

    圖10 UA-DETRAC數(shù)據(jù)集RP曲線圖

    由圖10可知IM-Cascade RCNN的PR曲線最高,所圍成的面積最大,精確率相比其他方法有較大提升。

    3.5.3 檢測效果

    圖11 (a)和(b)表示Cascade RCNN和IM-Cascade RCNN在KTIIT數(shù)據(jù)集的檢測結(jié)果,(c)和(d)表示兩種方法在UA-DETRAC數(shù)據(jù)集的檢測結(jié)果。其中每幅圖左側(cè)表示檢測出的圖像,右側(cè)表示部分局部放大圖像。

    對比(a)、(b)、(c)、(d)可知,使用Cascade RCNN在KITTI和UA-DETRAC進行車輛目標(biāo)檢測時,由于在特征提取的過程中細節(jié)信息丟失嚴(yán)重且對上下文信息使用的不充分,使得小目標(biāo)及遮擋目標(biāo)沒有被很好地檢出,如圖(a)、(c)所示。在相同圖像分辨率及檢測閾值的條件下,IM-Cascade RCNN由于采用了自淺至深的特征融合方式保留了小目標(biāo)的位置信息,使得小目標(biāo)能夠被更好地檢出,如圖(d);由于引入了多支路空洞卷積及上下文信息模塊,IM-Cascade RCNN方法融入了目標(biāo)周邊更多范圍的信息,使得遮擋目標(biāo)能夠被更好地檢出,如圖(b)。因此IM-Cascade RCNN在KITTI和UA-DETRAC均有良好的檢測效果。

    4 結(jié)束語

    本文提出的IM-Cascade RCNN車輛目標(biāo)檢測方法,融入了豐富的位置信息及上下文信息,同時減少了特征圖下采樣導(dǎo)致的特征丟失。實驗結(jié)果表明IM-Cascade RCNN有效提高了車輛目標(biāo)檢測精度,減少了小目標(biāo)及遮擋目標(biāo)的錯檢和漏檢,并且能夠適應(yīng)不同天氣狀況下的車輛檢測。但由于引入了多支路空洞卷積及上下文信息提取模塊使得檢測速度有一定的降低,如何平衡檢測精度及速度是下一步的研究方向。

    圖11 檢測效果圖

    猜你喜歡
    支路空洞卷積
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    基于限流可行方案邊界集的最優(yōu)支路投切
    能源工程(2020年6期)2021-01-26 00:55:22
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    空洞的眼神
    多支路兩跳PF協(xié)作系統(tǒng)的誤碼性能
    利用支路參數(shù)的狀態(tài)估計法辨識拓撲錯誤
    用事實說話勝過空洞的說教——以教育類報道為例
    新聞傳播(2015年20期)2015-07-18 11:06:46
    多并聯(lián)支路型可控電抗器短路電抗對支路電抗和電流的影響
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    人妻 亚洲 视频| 大片电影免费在线观看免费| 国产精品三级大全| 99国产精品一区二区三区| 91字幕亚洲| 嫩草影视91久久| 日本五十路高清| 亚洲欧美清纯卡通| www.精华液| 免费不卡黄色视频| 男的添女的下面高潮视频| 久久精品国产亚洲av涩爱| 国产主播在线观看一区二区 | 人体艺术视频欧美日本| 在线看a的网站| a级毛片在线看网站| 免费在线观看日本一区| 免费看av在线观看网站| 亚洲伊人久久精品综合| 亚洲欧美精品自产自拍| 成人免费观看视频高清| 精品一品国产午夜福利视频| 久久精品国产亚洲av涩爱| 汤姆久久久久久久影院中文字幕| 国产精品三级大全| 国产精品一区二区精品视频观看| 亚洲av在线观看美女高潮| 国产深夜福利视频在线观看| 国产高清videossex| 亚洲熟女精品中文字幕| 永久免费av网站大全| 十八禁人妻一区二区| 日韩大片免费观看网站| 国产麻豆69| 亚洲综合色网址| 精品少妇久久久久久888优播| 一本大道久久a久久精品| 欧美精品啪啪一区二区三区 | 97在线人人人人妻| 9热在线视频观看99| 高清不卡的av网站| 亚洲欧洲精品一区二区精品久久久| 欧美中文综合在线视频| 丝袜脚勾引网站| 精品亚洲成a人片在线观看| 另类亚洲欧美激情| 黄色一级大片看看| 免费少妇av软件| 丝瓜视频免费看黄片| 三上悠亚av全集在线观看| 亚洲少妇的诱惑av| 亚洲第一av免费看| av欧美777| 日韩电影二区| 91精品三级在线观看| 91国产中文字幕| 精品第一国产精品| 另类精品久久| 国产在线视频一区二区| 黄色片一级片一级黄色片| 国产免费视频播放在线视频| 国产深夜福利视频在线观看| 人体艺术视频欧美日本| 精品欧美一区二区三区在线| 亚洲国产精品成人久久小说| 午夜免费男女啪啪视频观看| 国产黄色免费在线视频| 成人18禁高潮啪啪吃奶动态图| 一级黄片播放器| 久久天堂一区二区三区四区| av网站免费在线观看视频| 一区在线观看完整版| 老司机午夜十八禁免费视频| 中国美女看黄片| 天堂中文最新版在线下载| 国产免费现黄频在线看| 久久久久久久国产电影| 老司机亚洲免费影院| 一本综合久久免费| 伊人久久大香线蕉亚洲五| 黄色一级大片看看| 99热网站在线观看| 最近手机中文字幕大全| 精品国产一区二区三区四区第35| 亚洲国产日韩一区二区| 久久人妻福利社区极品人妻图片 | 你懂的网址亚洲精品在线观看| 捣出白浆h1v1| 热99久久久久精品小说推荐| 亚洲欧美色中文字幕在线| av在线app专区| 久久亚洲国产成人精品v| 国产一区二区激情短视频 | 国产精品一区二区精品视频观看| 午夜福利视频精品| 99九九在线精品视频| 一级a爱视频在线免费观看| 久久精品国产a三级三级三级| 日韩 欧美 亚洲 中文字幕| 十八禁网站网址无遮挡| 久久99一区二区三区| 精品熟女少妇八av免费久了| 一级片'在线观看视频| 99久久99久久久精品蜜桃| 国产亚洲av高清不卡| 男人舔女人的私密视频| 在线亚洲精品国产二区图片欧美| 亚洲精品国产区一区二| 我要看黄色一级片免费的| 久久精品aⅴ一区二区三区四区| 波多野结衣av一区二区av| 日本91视频免费播放| 18禁国产床啪视频网站| 美女高潮到喷水免费观看| 青草久久国产| 黑人猛操日本美女一级片| 侵犯人妻中文字幕一二三四区| 热99久久久久精品小说推荐| 欧美人与性动交α欧美精品济南到| 一区二区三区四区激情视频| 女人高潮潮喷娇喘18禁视频| 国产女主播在线喷水免费视频网站| 亚洲精品国产一区二区精华液| 欧美精品亚洲一区二区| 亚洲男人天堂网一区| 这个男人来自地球电影免费观看| 日日夜夜操网爽| 日本五十路高清| 亚洲七黄色美女视频| 国产精品免费大片| 亚洲精品中文字幕在线视频| 精品久久久久久久毛片微露脸 | 中文字幕色久视频| 欧美日韩精品网址| 国产伦理片在线播放av一区| 日本一区二区免费在线视频| 欧美 亚洲 国产 日韩一| 日韩精品免费视频一区二区三区| 制服诱惑二区| 色播在线永久视频| 精品国产一区二区三区四区第35| 久久九九热精品免费| 美女福利国产在线| 国产淫语在线视频| 青草久久国产| 美国免费a级毛片| 国产主播在线观看一区二区 | 国产深夜福利视频在线观看| cao死你这个sao货| 午夜免费鲁丝| 国产精品麻豆人妻色哟哟久久| 纵有疾风起免费观看全集完整版| 高潮久久久久久久久久久不卡| 亚洲 国产 在线| 一级毛片黄色毛片免费观看视频| 久久久久精品国产欧美久久久 | tube8黄色片| 伊人亚洲综合成人网| 我的亚洲天堂| 国产野战对白在线观看| 丝袜人妻中文字幕| 男男h啪啪无遮挡| 一个人免费看片子| 91国产中文字幕| 大片免费播放器 马上看| 少妇精品久久久久久久| 欧美亚洲 丝袜 人妻 在线| 一区二区三区四区激情视频| 男女无遮挡免费网站观看| 汤姆久久久久久久影院中文字幕| 好男人视频免费观看在线| 国产免费又黄又爽又色| 麻豆国产av国片精品| 99久久99久久久精品蜜桃| 精品视频人人做人人爽| 欧美人与性动交α欧美精品济南到| av电影中文网址| 另类亚洲欧美激情| 菩萨蛮人人尽说江南好唐韦庄| 一边摸一边抽搐一进一出视频| 熟女av电影| 少妇人妻 视频| 亚洲一区中文字幕在线| 久久精品国产亚洲av涩爱| e午夜精品久久久久久久| 欧美日韩精品网址| 90打野战视频偷拍视频| 久久久久精品国产欧美久久久 | avwww免费| 青草久久国产| 免费日韩欧美在线观看| 中文字幕人妻丝袜一区二区| 婷婷丁香在线五月| 国产高清视频在线播放一区 | 亚洲欧洲日产国产| 亚洲专区中文字幕在线| 母亲3免费完整高清在线观看| 亚洲精品久久午夜乱码| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲天堂av无毛| 欧美人与性动交α欧美软件| 成年人免费黄色播放视频| 亚洲精品乱久久久久久| 蜜桃国产av成人99| 亚洲国产精品一区二区三区在线| 免费一级毛片在线播放高清视频 | 免费黄频网站在线观看国产| 免费人妻精品一区二区三区视频| 夜夜骑夜夜射夜夜干| 国产91精品成人一区二区三区 | 精品熟女少妇八av免费久了| 国产精品免费视频内射| 欧美日韩综合久久久久久| 一级毛片电影观看| 无遮挡黄片免费观看| 只有这里有精品99| 欧美国产精品va在线观看不卡| 精品少妇黑人巨大在线播放| 熟女少妇亚洲综合色aaa.| 亚洲国产欧美日韩在线播放| a级毛片在线看网站| 亚洲成人手机| 两个人免费观看高清视频| 国产欧美日韩综合在线一区二区| 久久人人爽人人片av| 成在线人永久免费视频| 人人澡人人妻人| 无遮挡黄片免费观看| 成年人黄色毛片网站| 99国产精品一区二区三区| 十八禁网站网址无遮挡| 一级毛片电影观看| 国产精品久久久av美女十八| 一区二区av电影网| 国产精品99久久99久久久不卡| 国产亚洲欧美在线一区二区| 中文字幕最新亚洲高清| 天天躁狠狠躁夜夜躁狠狠躁| 黄色片一级片一级黄色片| 亚洲精品第二区| 香蕉丝袜av| 青青草视频在线视频观看| 日韩 欧美 亚洲 中文字幕| 国产国语露脸激情在线看| 日韩 亚洲 欧美在线| 国产成人精品在线电影| 久久久久久久久免费视频了| 一区二区日韩欧美中文字幕| 在线av久久热| 18禁观看日本| 亚洲五月婷婷丁香| 水蜜桃什么品种好| 免费观看人在逋| 亚洲欧美中文字幕日韩二区| 久久国产精品大桥未久av| 91老司机精品| 成人午夜精彩视频在线观看| 免费不卡黄色视频| 18禁观看日本| 成人黄色视频免费在线看| 国产片特级美女逼逼视频| 90打野战视频偷拍视频| 国产99久久九九免费精品| 午夜福利乱码中文字幕| 少妇人妻久久综合中文| 飞空精品影院首页| 久久精品亚洲av国产电影网| 久热爱精品视频在线9| 欧美日韩亚洲综合一区二区三区_| 久久久久久久久免费视频了| 国产又色又爽无遮挡免| www.精华液| 丁香六月天网| 一区二区av电影网| 晚上一个人看的免费电影| 麻豆av在线久日| 一本久久精品| 国产免费现黄频在线看| 日日爽夜夜爽网站| 精品人妻熟女毛片av久久网站| 国产精品免费大片| 国产又爽黄色视频| 精品久久久久久电影网| 成年av动漫网址| 国产色视频综合| 欧美精品亚洲一区二区| 大型av网站在线播放| 午夜91福利影院| 在线精品无人区一区二区三| 制服人妻中文乱码| 精品人妻在线不人妻| 欧美黄色淫秽网站| videos熟女内射| 最黄视频免费看| 国产亚洲一区二区精品| 亚洲人成电影观看| 日韩 亚洲 欧美在线| 天堂中文最新版在线下载| 午夜日韩欧美国产| av有码第一页| 亚洲精品av麻豆狂野| 免费在线观看完整版高清| av网站在线播放免费| 丁香六月天网| 亚洲免费av在线视频| 国产爽快片一区二区三区| 香蕉国产在线看| 亚洲欧美一区二区三区国产| 亚洲国产欧美一区二区综合| 中文乱码字字幕精品一区二区三区| 老司机影院毛片| 丁香六月欧美| 亚洲中文av在线| 国产精品一区二区免费欧美 | 免费高清在线观看视频在线观看| 侵犯人妻中文字幕一二三四区| 国产成人精品久久二区二区91| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品美女久久av网站| 久久热在线av| 亚洲,欧美精品.| 国产成人啪精品午夜网站| 午夜福利视频在线观看免费| 国产97色在线日韩免费| 新久久久久国产一级毛片| 99热国产这里只有精品6| 国产精品久久久久久精品古装| 国产免费福利视频在线观看| 国产精品一区二区免费欧美 | 中文字幕人妻熟女乱码| 亚洲色图综合在线观看| 日韩电影二区| 久久九九热精品免费| 亚洲欧美一区二区三区久久| 久久天堂一区二区三区四区| 制服诱惑二区| 人人妻人人添人人爽欧美一区卜| 亚洲欧美色中文字幕在线| 麻豆国产av国片精品| 国产精品熟女久久久久浪| 欧美激情 高清一区二区三区| 视频区图区小说| 777久久人妻少妇嫩草av网站| 国产三级黄色录像| 久久这里只有精品19| 手机成人av网站| 国产三级黄色录像| 久久久久久亚洲精品国产蜜桃av| 丝袜脚勾引网站| 亚洲国产日韩一区二区| 99久久精品国产亚洲精品| 免费在线观看视频国产中文字幕亚洲 | 精品一区在线观看国产| 久久人人97超碰香蕉20202| 天天操日日干夜夜撸| 久久久久久久精品精品| 国产免费又黄又爽又色| 精品国产乱码久久久久久小说| 99国产精品一区二区三区| 亚洲久久久国产精品| 久久影院123| av视频免费观看在线观看| 黑人猛操日本美女一级片| 午夜免费观看性视频| 一级片'在线观看视频| 男人添女人高潮全过程视频| 高清av免费在线| 免费少妇av软件| 中文精品一卡2卡3卡4更新| 国产xxxxx性猛交| 各种免费的搞黄视频| 国产一区有黄有色的免费视频| 女人精品久久久久毛片| 国产在线一区二区三区精| 国产国语露脸激情在线看| 成人国产一区最新在线观看 | 久久精品熟女亚洲av麻豆精品| 亚洲综合色网址| 久久狼人影院| 男女高潮啪啪啪动态图| 欧美激情 高清一区二区三区| 久久国产精品人妻蜜桃| 啦啦啦 在线观看视频| 亚洲精品久久午夜乱码| 90打野战视频偷拍视频| 高清欧美精品videossex| 肉色欧美久久久久久久蜜桃| 下体分泌物呈黄色| 这个男人来自地球电影免费观看| 婷婷色av中文字幕| 人人妻人人澡人人看| 久久精品国产a三级三级三级| 国产成人91sexporn| 人人妻,人人澡人人爽秒播 | 嫩草影视91久久| 国产一区二区在线观看av| av在线app专区| 久久久久视频综合| av欧美777| 国产视频首页在线观看| 老汉色av国产亚洲站长工具| 亚洲av片天天在线观看| 欧美xxⅹ黑人| 亚洲欧美一区二区三区国产| 香蕉国产在线看| 纯流量卡能插随身wifi吗| 精品国产一区二区久久| 午夜福利视频在线观看免费| 国产亚洲午夜精品一区二区久久| 国产91精品成人一区二区三区 | 久久久久精品国产欧美久久久 | 久久中文字幕一级| 国产精品久久久久成人av| 天堂中文最新版在线下载| 国产精品久久久久久精品电影小说| 日韩一本色道免费dvd| 建设人人有责人人尽责人人享有的| 后天国语完整版免费观看| 欧美日韩亚洲高清精品| 久久久久久亚洲精品国产蜜桃av| 亚洲精品久久成人aⅴ小说| 国产高清国产精品国产三级| 国产在线视频一区二区| 丰满少妇做爰视频| 纵有疾风起免费观看全集完整版| 黄网站色视频无遮挡免费观看| 欧美成狂野欧美在线观看| 成人影院久久| 国产一区二区三区综合在线观看| 91精品国产国语对白视频| 人人妻人人澡人人爽人人夜夜| 无限看片的www在线观看| 天天操日日干夜夜撸| 久久人人爽人人片av| 亚洲熟女精品中文字幕| 十八禁高潮呻吟视频| 777米奇影视久久| 欧美黑人精品巨大| 亚洲欧美日韩高清在线视频 | 18禁国产床啪视频网站| 午夜免费鲁丝| 国产av精品麻豆| 男人爽女人下面视频在线观看| 亚洲精品国产av蜜桃| 成年人黄色毛片网站| 91字幕亚洲| 亚洲精品乱久久久久久| 热99久久久久精品小说推荐| av在线播放精品| 人体艺术视频欧美日本| 日韩 亚洲 欧美在线| 欧美成狂野欧美在线观看| 嫩草影视91久久| 国产一区亚洲一区在线观看| 久久久欧美国产精品| 啦啦啦中文免费视频观看日本| 国产在线免费精品| 黄片播放在线免费| 欧美老熟妇乱子伦牲交| 高清av免费在线| 女人高潮潮喷娇喘18禁视频| 国产成人一区二区三区免费视频网站 | 999久久久国产精品视频| 欧美人与性动交α欧美精品济南到| 日韩一区二区三区影片| 久久天躁狠狠躁夜夜2o2o | 亚洲欧美一区二区三区黑人| 少妇猛男粗大的猛烈进出视频| 亚洲av美国av| 国产日韩一区二区三区精品不卡| 人妻 亚洲 视频| 大码成人一级视频| 91成人精品电影| 国产成人免费观看mmmm| 成年av动漫网址| 欧美日韩一级在线毛片| 天堂俺去俺来也www色官网| 日韩一本色道免费dvd| 9热在线视频观看99| 国产成人精品无人区| 超碰成人久久| 肉色欧美久久久久久久蜜桃| 一区二区三区乱码不卡18| 午夜福利在线免费观看网站| 在线观看免费高清a一片| 欧美日本中文国产一区发布| 久久人人爽av亚洲精品天堂| 午夜免费男女啪啪视频观看| 日本猛色少妇xxxxx猛交久久| 日韩电影二区| 脱女人内裤的视频| 51午夜福利影视在线观看| 亚洲三区欧美一区| 99久久精品国产亚洲精品| 成人午夜精彩视频在线观看| 国产1区2区3区精品| 亚洲一码二码三码区别大吗| 妹子高潮喷水视频| 99久久精品国产亚洲精品| 午夜福利一区二区在线看| 国产99久久九九免费精品| 黄频高清免费视频| 久久久久久免费高清国产稀缺| 少妇人妻久久综合中文| 久久久欧美国产精品| 美女福利国产在线| 电影成人av| 女人被躁到高潮嗷嗷叫费观| 自拍欧美九色日韩亚洲蝌蚪91| 深夜精品福利| 无限看片的www在线观看| 欧美亚洲 丝袜 人妻 在线| 国产在线一区二区三区精| 欧美少妇被猛烈插入视频| 美女高潮到喷水免费观看| 中文乱码字字幕精品一区二区三区| 日本av免费视频播放| 波多野结衣av一区二区av| 两个人看的免费小视频| 亚洲九九香蕉| 一边摸一边做爽爽视频免费| 精品国产一区二区久久| 另类亚洲欧美激情| 99九九在线精品视频| 免费看十八禁软件| 日本五十路高清| 成人影院久久| 国产熟女欧美一区二区| 亚洲熟女毛片儿| 桃花免费在线播放| 1024香蕉在线观看| 美国免费a级毛片| 在线观看免费日韩欧美大片| 丁香六月天网| 人人澡人人妻人| 免费女性裸体啪啪无遮挡网站| 激情视频va一区二区三区| 日韩大片免费观看网站| 亚洲,欧美,日韩| 欧美人与性动交α欧美软件| 亚洲色图 男人天堂 中文字幕| 成人国产一区最新在线观看 | 女人久久www免费人成看片| 国产老妇伦熟女老妇高清| 亚洲色图 男人天堂 中文字幕| 搡老岳熟女国产| 国产99久久九九免费精品| 99国产精品一区二区蜜桃av | 首页视频小说图片口味搜索 | 婷婷色综合www| 香蕉国产在线看| 国产真人三级小视频在线观看| 一区二区三区四区激情视频| 久久久久久久久久久久大奶| 亚洲av在线观看美女高潮| 欧美大码av| 狠狠婷婷综合久久久久久88av| 一区二区三区激情视频| 日韩中文字幕视频在线看片| 国产欧美日韩精品亚洲av| 成年人午夜在线观看视频| 日本一区二区免费在线视频| 午夜免费男女啪啪视频观看| 美国免费a级毛片| 如日韩欧美国产精品一区二区三区| 日本欧美视频一区| 国产成人免费无遮挡视频| 一级,二级,三级黄色视频| 极品少妇高潮喷水抽搐| 久久人人爽av亚洲精品天堂| 最近最新中文字幕大全免费视频 | 又粗又硬又长又爽又黄的视频| 欧美激情极品国产一区二区三区| 国产精品免费视频内射| 国产97色在线日韩免费| 老汉色av国产亚洲站长工具| 黄色视频在线播放观看不卡| 国产成人av教育| 国产欧美日韩一区二区三 | 日韩中文字幕欧美一区二区 | 欧美人与善性xxx| 国产老妇伦熟女老妇高清| 黄色片一级片一级黄色片| 91麻豆精品激情在线观看国产 | h视频一区二区三区| 精品卡一卡二卡四卡免费| 国产成人影院久久av| 国产亚洲av片在线观看秒播厂| 青青草视频在线视频观看| 欧美在线一区亚洲| 亚洲国产精品国产精品| 亚洲国产精品一区三区| 满18在线观看网站| 三上悠亚av全集在线观看| 国产高清国产精品国产三级| 亚洲欧美一区二区三区黑人| 国产爽快片一区二区三区| 青春草亚洲视频在线观看| 免费女性裸体啪啪无遮挡网站| 在线亚洲精品国产二区图片欧美| 国产高清videossex| 精品免费久久久久久久清纯 | 极品人妻少妇av视频| 成年动漫av网址| 久久99热这里只频精品6学生| 天天操日日干夜夜撸| 亚洲少妇的诱惑av| 国产日韩一区二区三区精品不卡| 亚洲av日韩精品久久久久久密 | 人人妻人人澡人人爽人人夜夜| 激情视频va一区二区三区| www.精华液| 免费观看人在逋| 伊人久久大香线蕉亚洲五| 久久久久久久久免费视频了|