基于區域預推薦和特征富集的SOD R-CNN交通標志檢測網絡

編者薦語

本文提出了一種創新的網絡架構。該架構通過引入高可能性區域推薦網絡，有效篩選錨點區域，顯著提升了處理速度，減少了資源浪費。同時，融合視覺幾何組16層網絡的多層特征信息，強化了特征表達，成功解決了小目標檢測難題。

周楝淞 , 邵發明 , 楊潔 , 等 . 基于區域預推薦和特征富集的SOD R-CNN 交通標志檢測網絡[J]. 信息安全與通信保密 ,2024(10):115-126.

摘　要

基于區域的快速卷積神經網絡存在資源的浪費和無法有效應對小目標檢測的問題，提出基于高可能性區域推薦網絡及特征富集的區域的小目標檢測卷積神經網絡架構。首先，采用區域推薦網絡對錨點區域進行篩選，節約分類階段的處理時間，提高了系統的處理速度。其次，為了解決無法有效檢測小目標的問題，提出了融合視覺幾何組16層網絡的第三、第四、第五層特征信息的方法來強化特征表達的策略。最后，提出次要感興趣區域的概念，將交通標志的上下文信息融合到目標特征表達中。這些策略提高了目標檢測的準確率和速度。

論文結構

0　引　言

1　SOD R-CNN方法框架

2　深度特征融合策略

3　次要感興趣區域策略

4　算法實驗分析

4.1　實驗平臺

4.2　HP-RPN的性能分析

4.3　算法總體速度和準確率驗證

5　結　語

作者簡介

• 周楝淞（1979—），男，碩士，高級工程師，主要研究方向為信息安全、可信計算和人工智能；
• 邵發明（1978—），男，博士，副教授，主要研究方向為信息安全和人工智能；
• 楊　潔（1980—），女，碩士，高級工程師，主要研究方向為網絡安全；
• 彭泓力（1994—），男，碩士，工程師，主要研究方向為人工智能和可信計算；
• 李賽野（1989—），男，碩士，工程師，主要研究方向為可信計算；
• 孫夏聲（1984—），男，碩士，工程師，主要研究方向為可信計算和身份認證。