基于改进Mask RCNN的夜间车辆检测方法

传统的夜间车辆检测基于车灯特征的提取和识别，这类方法容易发生误判、检测精度和检测实时性不高。针对上述问题，本文研究了基于改进Mask RCNN(mask RCNN-night vehicle detection,Mask RCNN-NVD)的夜间车辆检测算法。将残差网络（residual network,ResNet）结构中的普通卷积修改为数量为16组的分组卷积，通过16组1×1卷积实现通道数叠加，将网络参数降至普通卷积的1/16，提升检测速度，并实现与普通卷积相同的效果；将通道注意力机制模块（squeeze-and-excitation,SE）嵌入ResNet结构中，通过2个全连接层构建瓶颈结构，将归一化权重加权到各通道特征，增强网络表征能力；在特征金字塔网络（feature pyramid networks,FPN）后加入自底向上结构，将底层特征强定位信息传递到高层语义特征中；加入自适应池化层，根据区域候选网络（region proposal network,RPN）产生的候选区域分配至不同尺度特征图中，并在底层特征与各阶段最高层特征之间加入跳跃连接结构，实现缩减模型参数的同时保留...