基于RetinaNet及优化损失函数的夜间车辆检测方法

作     者：张炳力 秦浩然 江尚 郑杰禹 吴正海 Zhang Bingli;Qin Haoran;Jiang Shang;Zheng Jieyu;Wu Zhenghai

作者机构：合肥工业大学汽车与交通工程学院合肥230041 安徽省智能汽车工程实验室合肥230009 浙江百康光学股份有限公司嘉兴314113 

基　　金：安徽省第五批“特支计划”、合肥工业大学智能制造技术研究院科技成果转化及产业化平台建设专项资金(2019) 科技成果转化及产业化重点项目(2019) 安徽省新能源汽车产业创新发展和推广应用政策支持研发创新项目(皖发改产业函(2020)477号) 学术新人提升计划A项目(JZ2021HGTA0162) 青年教师科研创新启动专项A项目(JZ2021HGQA0237)资助 

出 版 物：《汽车工程》 (Automotive Engineering)

年 卷 期：2021年第43卷第8期

页      码：1195-1202页

摘      要：为解决智能驾驶系统中夜间车辆检测误检多、远处小目标检测效果差的问题,在RetinaNet的基础上对损失函数进行全面优化。在分类损失函数方面,分析了负样本与正样本交并比的产生机理和对训练的影响,构造了关联交并比的分类损失函数,利用负样本交并比使网络注重于训练难分类负样本,同时利用正样本交并比提高了检测框的定位精度;在定位损失函数方面,改进了传统L1损失的归一化方式,提高了小目标检测能力。此外,针对夜间场景中的车辆特征对网络结构进行了优化设计,并在夜间车辆数据集上进行了测试验证,结果表明模型优化后的平均检测精度提升了14.6%。

主 题 词：夜间车辆检测 损失函数 交并比 RetinaNet 小目标检测 

学科分类：08[工学] 082304[082304] 080203[080203] 080204[080204] 0802[工学-机械学] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.19562/j.chinasae.qcgc.2021.08.010

馆 藏 号：203104784...