论文部分内容阅读
目前,卷积神经网络技术在智能交通目标检测算法中应用越来越广泛。针对传统的检测算法受光照、天气、路况、角度等外界因素影响,提出了一种基于卷积神经网络的改进算法。在基础的Retina Net以及典型纹理特征上进行了优化,并结合显著性目标检测算法,产生受约束的候选区域,在判定是否为车辆目标的步骤前丢弃多个不可能的区域候选框。在车辆检测公开数据集和自己构建的航拍道路车辆数据集上验证,并与目前一些常用算法进行性能与效率的比较,体现了算法的优越性。