基于改进CenterNet的交通监控车辆检测算法

摘要

针对城市交通监控场景复杂的问题,提出一种基于CenterNet改进的车辆检测算法。选取ResNet101作为主干特征提取网络,引入自矫正卷积SCConv扩大网络感受野,改善模型结构。针对解码过程,采用深度可分离卷积并进行结构改进,增加网络宽度,并且施加SA注意力机制,抑制解码过程连续上采样产生的无用信息。改进后的网络在城市交通监控车辆检测中进行实验验证,实验结果表明,改进后的网络在车辆识别上mAP达到86.95%,较改进前提升了9.86%,适用于交通监控车辆检测任务。