TY - A2的角,Raş盟——冯Jiangfan AU -王,Fanjie盟——冯Siqin盟——彭Yongrong PY - 2019 DA - 2019/11/11 TI - Multibranch对象检测方法对交通场景SP - 3679203六世- 2019 AB -卷积神经网络的性能(CNN)基于对象检测取得了难以置信的成功。然而,现有CNN-based算法受到小规模对象难以检测的问题,因为它可能丧失其响应特性映射已达到一定深度时,这是很常见的对象的规模(如汽车、公共汽车和行人)交通图像和视频中包含的千差万别。本文提出了一种32层多分支卷积神经网络，用于交通场景中目标的快速检测。我们的模型采用三个检测分支，分别使用尺寸为16 × 16、32 × 32和64 × 64的特征图来优化大、中、小规模目标的检测。通过多任务损失函数，我们的模型可以端到端训练。实验结果表明，该模型在精度和召回率方面均达到了国际先进水平，检测速度快(高达33帧/秒)，能够满足工业实时要求。SN - 1687- 5265ur - https://doi.org/10.1155/2019/3679203 DO - 10.1155/2019/3679203 JF -计算智能和神经科学PB - Hindawi KW - ER -