基于Faster R-CNN的高速公路车辆检测和域自适应研究

摘要

为了解决传统的目标检测模型在实际高速公路场景中受天气尧光照强度尧遮挡和场外因素的影响,应用场景单一,图像中小型车辆漏检率高尧检测能力低的问题,本文提出一种基于Faster R-CNN的域自适应算法,增加了图像级域分类器和实例级域分类器组件.在训练过程中采用多尺度训练和挖掘样本中的难负样本,将难负样本加入到训练集中,对模型进行二次训练;实验结果表明,提高了车辆检测的准确性和鲁棒性,具有一定的泛化能力.