• <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
    性插视频无遮挡在线免费观看| 亚洲成人av在线免费| 人体艺术视频欧美日本| 亚洲欧美成人综合另类久久久 | 国产黄片视频在线免费观看| 一本一本综合久久| 成人综合一区亚洲| 精品熟女少妇av免费看| 亚洲一级一片aⅴ在线观看| 亚洲国产精品成人综合色| 国产69精品久久久久777片| 天堂av国产一区二区熟女人妻| 国产一级毛片七仙女欲春2| 久久精品国产亚洲av香蕉五月| 国产黄色小视频在线观看| 久久人人爽人人片av| 欧美潮喷喷水| 成人毛片60女人毛片免费| 国产精品免费一区二区三区在线| videossex国产| 婷婷色av中文字幕| 内射极品少妇av片p| 日韩一本色道免费dvd| 亚洲国产欧美在线一区| 一本一本综合久久| 国产精品电影一区二区三区| 亚洲第一区二区三区不卡| 国产蜜桃级精品一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 免费看av在线观看网站| 久久久久国产网址| 精品一区二区免费观看| 日本一二三区视频观看| 99热这里只有是精品50| 亚洲国产高清在线一区二区三| eeuss影院久久| 观看美女的网站| 99热这里只有是精品在线观看| 人人妻人人看人人澡| 中文字幕av成人在线电影| 床上黄色一级片| 99在线视频只有这里精品首页| av在线老鸭窝| 国产精品久久久久久久电影| 亚洲内射少妇av| 精品一区二区三区视频在线| 中文字幕久久专区| 日韩精品青青久久久久久| 色哟哟·www| av女优亚洲男人天堂| 成人美女网站在线观看视频| 国产精品综合久久久久久久免费| 精品久久国产蜜桃| 久久久久性生活片| 日韩欧美在线乱码| 欧美日韩精品成人综合77777| 欧美日韩乱码在线| 内地一区二区视频在线| 成年版毛片免费区| 美女黄网站色视频| 亚洲精品国产av成人精品| 国产亚洲av片在线观看秒播厂 | 乱码一卡2卡4卡精品| 三级男女做爰猛烈吃奶摸视频| 草草在线视频免费看| 一个人观看的视频www高清免费观看| 国产精品蜜桃在线观看 | 淫秽高清视频在线观看| 成人二区视频| 国产精品1区2区在线观看.| 午夜a级毛片| 色播亚洲综合网| 精品99又大又爽又粗少妇毛片| 国产精品国产高清国产av| 黄片wwwwww| 69av精品久久久久久| 蜜桃久久精品国产亚洲av| 亚洲经典国产精华液单| 五月玫瑰六月丁香| 秋霞在线观看毛片| 伦理电影大哥的女人| 国产一区二区在线观看日韩| 亚洲欧美清纯卡通| 日韩一区二区视频免费看| 日韩一本色道免费dvd| 中文字幕熟女人妻在线| 国产一级毛片在线| 国产亚洲精品久久久久久毛片| 免费电影在线观看免费观看| 精品一区二区三区视频在线| 亚洲,欧美,日韩| 亚洲精品日韩av片在线观看| 国产精品久久久久久av不卡| 国产色婷婷99| 2021天堂中文幕一二区在线观| 综合色丁香网| 特大巨黑吊av在线直播| 三级经典国产精品| 中文精品一卡2卡3卡4更新| 国产真实乱freesex| 少妇的逼水好多| 国产亚洲5aaaaa淫片| 亚洲av一区综合| 国产v大片淫在线免费观看| 国产精品国产高清国产av| 免费av毛片视频| 国产精华一区二区三区| 日日摸夜夜添夜夜添av毛片| 99久久精品热视频| 午夜爱爱视频在线播放| 18+在线观看网站| 亚洲成人精品中文字幕电影| 亚洲va在线va天堂va国产| 国产成人a区在线观看| 国产精品综合久久久久久久免费| 国产一区二区三区在线臀色熟女| 日本在线视频免费播放| 亚洲成人久久性| 国产视频首页在线观看| 国产三级在线视频| 久久婷婷人人爽人人干人人爱| 色综合站精品国产| 一本久久精品| 中出人妻视频一区二区| 成人欧美大片| 日本五十路高清| 日本免费a在线| 中文字幕免费在线视频6| 欧美最新免费一区二区三区| 精品久久国产蜜桃| 99热这里只有精品一区| 九九在线视频观看精品| 最近视频中文字幕2019在线8| 国产单亲对白刺激| 人妻制服诱惑在线中文字幕| 亚洲自偷自拍三级| 如何舔出高潮| 欧美一区二区精品小视频在线| 精品久久久久久久久av| 国产91av在线免费观看| 日韩一本色道免费dvd| 观看美女的网站| 国产精品永久免费网站| 国产乱人视频| 亚洲高清免费不卡视频| 欧美最黄视频在线播放免费| 日韩欧美精品v在线| av卡一久久| 久久久a久久爽久久v久久| 成人毛片a级毛片在线播放| 国国产精品蜜臀av免费| 欧美另类亚洲清纯唯美| 国产精品综合久久久久久久免费| 国产精品女同一区二区软件| 久久久久久久久久久丰满| 寂寞人妻少妇视频99o| 久久久久久久午夜电影| 国产精品久久久久久久久免| 麻豆久久精品国产亚洲av| 狂野欧美激情性xxxx在线观看| 欧美成人精品欧美一级黄| 全区人妻精品视频| 综合色丁香网| 青春草视频在线免费观看| 天天躁夜夜躁狠狠久久av| 一夜夜www| 高清在线视频一区二区三区 | 91av网一区二区| 在线观看午夜福利视频| 亚洲精华国产精华液的使用体验 | 99热这里只有是精品50| 成人三级黄色视频| 一本一本综合久久| 欧美+日韩+精品| 亚洲综合色惰| 美女高潮的动态| 精品不卡国产一区二区三区| 国产精品女同一区二区软件| 丝袜喷水一区| 日本色播在线视频| 男插女下体视频免费在线播放| 中文字幕av在线有码专区| 日本色播在线视频| 久久久久网色| 白带黄色成豆腐渣| 天堂√8在线中文| 1024手机看黄色片| 最近的中文字幕免费完整| 亚洲av一区综合| 亚洲人与动物交配视频| 最近最新中文字幕大全电影3| 国产伦在线观看视频一区| 日韩人妻高清精品专区| 国产精品三级大全| 男插女下体视频免费在线播放| 免费黄网站久久成人精品| 亚洲中文字幕一区二区三区有码在线看| 国产一区二区三区在线臀色熟女| 天堂网av新在线| 免费看a级黄色片| 在线观看午夜福利视频| 国产亚洲精品av在线| 草草在线视频免费看| 国产麻豆成人av免费视频| 伦理电影大哥的女人| 欧美精品国产亚洲| 高清毛片免费看| 精品人妻偷拍中文字幕| 天天躁日日操中文字幕| 97超碰精品成人国产| 久久这里只有精品中国| 日本黄色片子视频| av天堂中文字幕网| 国产高清有码在线观看视频| 午夜免费男女啪啪视频观看| 国产精品人妻久久久影院| 性欧美人与动物交配| 日本黄大片高清| 国产黄色小视频在线观看| 午夜精品一区二区三区免费看| 亚洲成人精品中文字幕电影| 亚洲国产色片| 女同久久另类99精品国产91| 一级二级三级毛片免费看| 中文在线观看免费www的网站| 久久欧美精品欧美久久欧美| 亚洲国产色片| 夫妻性生交免费视频一级片| 久久综合国产亚洲精品| 一本精品99久久精品77| 久久精品久久久久久噜噜老黄 | 久久精品国产99精品国产亚洲性色| 成人特级黄色片久久久久久久| 午夜亚洲福利在线播放| 可以在线观看毛片的网站| 哪个播放器可以免费观看大片| 亚洲最大成人手机在线| 国产精品一区二区三区四区免费观看| 噜噜噜噜噜久久久久久91| 天堂影院成人在线观看| 一区福利在线观看| 国产视频内射| 欧美日韩一区二区视频在线观看视频在线 | 插阴视频在线观看视频| 久久鲁丝午夜福利片| 床上黄色一级片| 日本在线视频免费播放| 欧美日韩在线观看h| 麻豆成人午夜福利视频| 人体艺术视频欧美日本| 一个人观看的视频www高清免费观看| 人人妻人人看人人澡| 日韩欧美三级三区| 中文字幕免费在线视频6| 日韩av不卡免费在线播放| 亚洲高清免费不卡视频| 国产成人一区二区在线| 久久精品综合一区二区三区| 免费观看精品视频网站| 国产精品,欧美在线| 久久久国产成人精品二区| 欧美日韩一区二区视频在线观看视频在线 | 久久久久性生活片| 中文字幕av成人在线电影| 99riav亚洲国产免费| 亚洲国产日韩欧美精品在线观看| 51国产日韩欧美| 全区人妻精品视频| 天天躁日日操中文字幕| 99久久九九国产精品国产免费| 国产一区二区激情短视频| 日韩欧美国产在线观看| 搡女人真爽免费视频火全软件| 热99re8久久精品国产| 亚洲国产高清在线一区二区三| 久久6这里有精品| 午夜免费男女啪啪视频观看| 亚洲欧洲日产国产| 一本精品99久久精品77| 国产成人91sexporn| 免费看av在线观看网站| 男人舔奶头视频| 一边摸一边抽搐一进一小说| 国产精品一区二区在线观看99 | 亚洲精品日韩在线中文字幕 | 人人妻人人澡欧美一区二区| 一级黄片播放器| 亚洲中文字幕日韩| 久久午夜福利片| 欧美激情国产日韩精品一区| 久久精品综合一区二区三区| 亚洲三级黄色毛片| 久久99热这里只有精品18| 桃色一区二区三区在线观看| 亚洲激情五月婷婷啪啪| 亚洲成人久久爱视频| 亚洲第一区二区三区不卡| 亚洲aⅴ乱码一区二区在线播放| 亚洲国产日韩欧美精品在线观看| 国产视频首页在线观看| 看黄色毛片网站| 亚洲精品色激情综合| 国产精品久久电影中文字幕| 男女下面进入的视频免费午夜| 99热全是精品| 日本五十路高清| 国产麻豆成人av免费视频| 国产一级毛片七仙女欲春2| 久久午夜福利片| 国内精品一区二区在线观看| 岛国在线免费视频观看| 色5月婷婷丁香| 亚洲内射少妇av| 又黄又爽又刺激的免费视频.| 国产精品av视频在线免费观看| 色视频www国产| 亚洲精品亚洲一区二区| 国产精品美女特级片免费视频播放器| 久久久久久九九精品二区国产| 给我免费播放毛片高清在线观看| 三级男女做爰猛烈吃奶摸视频| 日韩av在线大香蕉| 久久久久久久久久久免费av| 欧美zozozo另类| 国产探花极品一区二区| 日韩成人av中文字幕在线观看| 少妇的逼水好多| 精品久久久久久久久av| 免费一级毛片在线播放高清视频| 麻豆国产97在线/欧美| 欧美一级a爱片免费观看看| 丰满人妻一区二区三区视频av| 免费黄网站久久成人精品| 免费观看a级毛片全部| 夜夜夜夜夜久久久久| 亚洲精品亚洲一区二区| 最近的中文字幕免费完整| 边亲边吃奶的免费视频| 人妻少妇偷人精品九色| 国产爱豆传媒在线观看| 亚洲欧美中文字幕日韩二区| 91久久精品电影网| 国产精品一区www在线观看| 全区人妻精品视频| 亚洲av免费高清在线观看| 小说图片视频综合网站| 中国美女看黄片| 白带黄色成豆腐渣| 欧美xxxx黑人xx丫x性爽| 亚洲经典国产精华液单| 一级毛片我不卡| 小说图片视频综合网站| 免费观看的影片在线观看| 欧美区成人在线视频| 少妇猛男粗大的猛烈进出视频 | 一级毛片我不卡| 国语自产精品视频在线第100页| 国产高清有码在线观看视频| 国内精品一区二区在线观看| 毛片一级片免费看久久久久| 亚洲色图av天堂| 少妇猛男粗大的猛烈进出视频 | 日韩 亚洲 欧美在线| 1000部很黄的大片| 欧美xxxx性猛交bbbb| 国内少妇人妻偷人精品xxx网站| 午夜福利视频1000在线观看| 免费无遮挡裸体视频| 久久综合国产亚洲精品| 在线国产一区二区在线| 久久精品综合一区二区三区| 日韩视频在线欧美| av免费在线看不卡| 亚洲不卡免费看| 成人国产麻豆网| 亚洲国产精品久久男人天堂| 国产精品久久久久久精品电影| 中文字幕制服av| 欧美日韩在线观看h| 免费看日本二区| 成人三级黄色视频| 蜜桃久久精品国产亚洲av| 搡女人真爽免费视频火全软件| 国产久久久一区二区三区| 少妇被粗大猛烈的视频| 秋霞在线观看毛片| 亚洲电影在线观看av| 日本爱情动作片www.在线观看| 国产伦在线观看视频一区| 我要搜黄色片| 成年版毛片免费区| 亚洲精品国产av成人精品| 成年女人看的毛片在线观看| 久久九九热精品免费| 三级经典国产精品| 91久久精品国产一区二区成人| 岛国毛片在线播放| 在线观看午夜福利视频| 我的老师免费观看完整版| 一本久久中文字幕| 国产免费一级a男人的天堂| 精品人妻熟女av久视频| 国产精品久久久久久亚洲av鲁大| 成人鲁丝片一二三区免费| 亚洲精品日韩av片在线观看| 久久精品国产亚洲av天美| 日产精品乱码卡一卡2卡三| 国产老妇伦熟女老妇高清| 国产精品综合久久久久久久免费| 日本欧美国产在线视频| 99视频精品全部免费 在线| 国产黄色小视频在线观看| 欧美变态另类bdsm刘玥| 少妇的逼好多水| 国产伦精品一区二区三区四那| 我的女老师完整版在线观看| 国产在线精品亚洲第一网站| 床上黄色一级片| 国产在线男女| 日本免费a在线| 少妇高潮的动态图| 免费观看的影片在线观看| 亚洲一区二区三区色噜噜| 性插视频无遮挡在线免费观看| 久久久久久久久久成人| 亚洲欧洲日产国产| 日韩欧美国产在线观看| 免费观看a级毛片全部| 国产淫片久久久久久久久| 悠悠久久av| 久久人人爽人人片av| 国产 一区精品| 九九爱精品视频在线观看| 久久中文看片网| 亚洲国产精品国产精品| 在线观看一区二区三区| 国产精品一二三区在线看| 2022亚洲国产成人精品| 国产v大片淫在线免费观看| 搡女人真爽免费视频火全软件| 国产综合懂色| 国产一区二区激情短视频| 色5月婷婷丁香| 免费人成视频x8x8入口观看| 高清午夜精品一区二区三区 | 日本色播在线视频| 中文在线观看免费www的网站| 国产一区二区在线av高清观看| 又黄又爽又刺激的免费视频.| 亚洲av免费在线观看| 国内久久婷婷六月综合欲色啪| 欧美一区二区精品小视频在线| 国产免费一级a男人的天堂| 亚洲高清免费不卡视频| 网址你懂的国产日韩在线| 久久久精品欧美日韩精品| 日韩一区二区视频免费看| 五月玫瑰六月丁香| 国产又黄又爽又无遮挡在线| 久久亚洲精品不卡| 99久久人妻综合| 久久99热这里只有精品18| 尤物成人国产欧美一区二区三区| 久久这里只有精品中国| 国产久久久一区二区三区| 国产高清激情床上av| 欧美色欧美亚洲另类二区| 国产一级毛片七仙女欲春2| 一级毛片我不卡| 欧美激情久久久久久爽电影| 欧美在线一区亚洲| 麻豆久久精品国产亚洲av| 国产视频内射| 色综合亚洲欧美另类图片| 啦啦啦韩国在线观看视频| 深爱激情五月婷婷| 波野结衣二区三区在线| 亚洲欧美中文字幕日韩二区| 97人妻精品一区二区三区麻豆| 精品人妻一区二区三区麻豆| 国产精品三级大全| 人妻制服诱惑在线中文字幕| 免费观看的影片在线观看| 波多野结衣高清无吗| 亚洲欧美精品综合久久99| 高清日韩中文字幕在线| 亚洲丝袜综合中文字幕| 狠狠狠狠99中文字幕| 成人特级黄色片久久久久久久| 中文字幕精品亚洲无线码一区| 欧美bdsm另类| 国产探花在线观看一区二区| 我要搜黄色片| 免费观看在线日韩| 日本黄色片子视频| 99久久中文字幕三级久久日本| 赤兔流量卡办理| 一区二区三区四区激情视频 | 精品久久久久久久末码| 91久久精品电影网| 蜜桃亚洲精品一区二区三区| 精品午夜福利在线看| 亚洲无线观看免费| 色播亚洲综合网| 国产女主播在线喷水免费视频网站 | 国产精品日韩av在线免费观看| 特级一级黄色大片| 久久九九热精品免费| av在线观看视频网站免费| 国产精品久久电影中文字幕| 麻豆国产97在线/欧美| 人妻制服诱惑在线中文字幕| 国产老妇伦熟女老妇高清| 国产精品福利在线免费观看| 国产亚洲av片在线观看秒播厂 | 2021天堂中文幕一二区在线观| 国产精品永久免费网站| a级毛片a级免费在线| 少妇高潮的动态图| 亚洲成人久久爱视频| avwww免费| 成人欧美大片| 卡戴珊不雅视频在线播放| 日本-黄色视频高清免费观看| 久久精品国产亚洲网站| 91麻豆精品激情在线观看国产| 97超碰精品成人国产| 97热精品久久久久久| 亚洲精品久久久久久婷婷小说 | 成人午夜精彩视频在线观看| 99久久无色码亚洲精品果冻| 男女啪啪激烈高潮av片| 欧洲精品卡2卡3卡4卡5卡区| 国产精品三级大全| 婷婷精品国产亚洲av| 精品一区二区三区视频在线| www日本黄色视频网| 青春草视频在线免费观看| 一区二区三区四区激情视频 | 极品教师在线视频| 99在线人妻在线中文字幕| 亚洲最大成人中文| 久久久久网色| 一区福利在线观看| 久久久久久久久中文| 97热精品久久久久久| 日产精品乱码卡一卡2卡三| 亚洲天堂国产精品一区在线| 免费大片18禁| 国产极品精品免费视频能看的| 国产精品伦人一区二区| 久久精品影院6| 欧美激情久久久久久爽电影| 日韩 亚洲 欧美在线| 99久久精品热视频| 中文资源天堂在线| 亚洲av免费高清在线观看| 五月伊人婷婷丁香| 成人午夜精彩视频在线观看| 中国美女看黄片| 国产三级在线视频| 亚洲欧美日韩高清在线视频| 日本爱情动作片www.在线观看| 悠悠久久av| 九九爱精品视频在线观看| 淫秽高清视频在线观看| 全区人妻精品视频| 91精品国产九色| 国产一区二区激情短视频| 欧美最新免费一区二区三区| 人妻系列 视频| 亚洲综合色惰| 国产精品99久久久久久久久| 久久久国产成人免费| 亚洲美女视频黄频| 国产精品不卡视频一区二区| 色播亚洲综合网| 身体一侧抽搐| 日韩一区二区三区影片| 日本色播在线视频| av黄色大香蕉| 一边亲一边摸免费视频| 91狼人影院| 国内精品宾馆在线| 日韩精品有码人妻一区| 人人妻人人看人人澡| 美女cb高潮喷水在线观看| 免费观看a级毛片全部| a级一级毛片免费在线观看| 最后的刺客免费高清国语| 亚洲欧美精品专区久久| 一级毛片aaaaaa免费看小| 一区二区三区免费毛片| 日本与韩国留学比较| 精品国内亚洲2022精品成人| 免费搜索国产男女视频| 国产极品天堂在线| 日本一本二区三区精品| 成人午夜高清在线视频| 2022亚洲国产成人精品| 天堂网av新在线| 六月丁香七月| 国产精品无大码| 国产伦精品一区二区三区四那| 国产成人影院久久av| 日韩中字成人| 97超碰精品成人国产| 日韩亚洲欧美综合| 日韩欧美一区二区三区在线观看| 中国美白少妇内射xxxbb| 久久九九热精品免费| 久久这里只有精品中国| 国产精品99久久久久久久久| 日韩 亚洲 欧美在线| 日韩制服骚丝袜av|