TY - JOUR A2 - Hwang, Feng-Jang AU - Xu, Chenchen AU - Wang, Guili AU - Yan, Songsong AU - Yu, Jianghua AU - Zhang, Baojun AU - Dai, Shu AU - Li, Yu AU - Xu，Lin PY - 2020 DA - 20120/05/31 TI - Fast Vehicle and Pedestrian Detection Using Improved Mask R-CNN SP - 5761414 VL - 2020 AB -本研究提出了一种简单有效的Mask R-CNN算法，用于更快速地检测车辆和行人。该方法对智能驾驶中的防撞预警系统具有实用价值。具有更多层的深度神经网络具有更大的容量，但也必须执行更复杂的计算。为了克服这一缺点，本研究在实际情况下采用了与Mask R-CNN算法中Resnet-101的骨干网结构不同的Resnet-86作为骨干网。结果表明，Resnet-86网络可以减少操作时间，大大提高准确率。基于Microsoft COCO数据集，对检测到的车辆和行人进行筛选。通过对COCO数据集的筛选和补充形成新的数据集，使算法的训练更加高效。也许，我们研究中最重要的部分是我们提出了一种新的算法，侧融合FPN。算法中的参数没有增加，计算量增加了不到0.000001，平均精度(mAP)增加了2.00点。 The results show that, compared with the algorithm of Mask R-CNN, our algorithm decreased the weight memory size by 9.43%, improved the training speed by 26.98%, improved the testing speed by 7.94%, decreased the value of loss by 0.26, and increased the value of mAP by 17.53 points. SN - 1024-123X UR - https://doi.org/10.1155/2020/5761414 DO - 10.1155/2020/5761414 JF - Mathematical Problems in Engineering PB - Hindawi KW - ER -