第 35卷 第 6期 控 制 与 决 策 Vol.35 No.6
2020年 6月 Control and Decision Jun. 2020
文章编号: 1001-0920(2020)06-1323-06 DOI: 10.13195/j.kzyjc.2018.1299
一种基于视觉特征区域建议的目标检测方法
李会军, 王瀚洋
†
, 李 杨, 叶 宾
(中国矿业大学 信息与控制工程学院，江苏 徐州 221116)
摘 要: 虽然基于深度学习的目标检测器具有较高的检测精度, 但是大多数检测器的检测速度不能满足实时性要
求. 此外,目前主流的实时检测算法如 SSD (single shot multibox detector) 和 YOLO (you only look once), 对小目标的
检测精度不高. 鉴于此, 提出一种基于视觉特征区域建议的目标检测算法, 能够综合平衡检测精度和检测速度. 算
法分为区域建议和网络分类, 区域建议根据目标的特征信息提取候选区域 ROI (region of interest); 网络分类使用
CNN (convolutional neural network) 对区域建议中提取的 ROI 进行处理, 计算每个 ROI 类别的置信度, 置信度大于
设定阈值的ROI即为目标检测结果. 实验结果表明, 所提出算法的检测精度明显高于 Faster R-CNN、SSD和YOLO,
并且具有接近SSD和YOLO 的检测速度.
关键词: 目标检测；区域建议；卷积神经网络分类；视觉特征提取
中图分类号: TP399 文献标志码: A
An object detector based on visual feature region proposal
LI Hui-jun, WANG Han-yang
†
, LI Yang, YE Bin
(School of Information and Control Engineering，China University of Mining and Technology，Xuzhou 221116，China)
Abstract: Although the detector based on deep learning can achieve high detection accuracy, most of their speed
cannot meet the real-time requirements. For the moment, the accuracy of the popular real-time detectors, such as single
shot multibox detector (SSD) and you only look once (YOLO), is not high when detecting small objects. Therefore, a
detector based on visual features region proposal is proposed, which can balance the detection accuracy and speed. This
detector is divided into two parts: Region proposal and network classification. In the region proposal stage, the region
of interest (ROI) is exated according to the feature information of the objects, which is also called candidate region; in
the network classification stage, we use convolutional neural network (CNN) to process the ROI, then calculate class
confidence of each ROI, and get the final candidates whose confidence is greater than the threshold value. Experimental
results show that the detection accuracy of the proposed detector is significantly higher than that of the Faster R-CNN,
SSD and YOLO, and its speed is close to the speed of the SSD and YOLO.
Keywords: target detection；region proposal；convolution neural network classification；visual features extraction
0 引
随着研究的不断深入,深度学习已经成为目标检
测和分类的常用工具
[1-5]
. 目前,目标检测领域的深度
学习方法主要分为两类: 一类是基于回归的一阶检
测器,如YOLO、SSD和FPN(feature pyramid networks)
等
[6-8]
; 另一类是基于区域建议的二阶检测器, 如 R-
CNN(regions with CNN feature)、 SPP-Net(spatial
pyramid pooling networks)、Fast R-CNN 和 Faster R-
CNN 等
[9-12]
. 一阶检测器虽然检测速度较快, 但在模
型训练时会出现前景与背景类别不均衡现象
[13]
(如
YOLO、 SSD), 同时难以提取小目标特征信息 (如
YOLO), 从而导致目标检测效果不理想
[14]
. 二阶检
测器虽然检测精度较高,但由于较为原始的候选区域
生成方法(如R-CNN、Fast R-CNN) 和相对复杂的网络
结构 (如 Faster R-CNN), 导致检测速度难以满足特殊
场景中实时性要求
[15]
.
在应用场景中,如果需要快速准确地检测视觉特
征较强的小目标(如处理速度<40 ms),则现有的一阶
和二阶检测器均无法满足检测要求. 鉴于此, 本文提
出一种基于视觉特征区域建议的二阶检测器 RM R-
CNN(improved R-CNN in RoboMaster), 并已成功应用
收稿日期: 2018-09-24；修回日期: 2018-12-05.
基金项目: 徐州市应用基础研究项目 (KC18069)；中国矿业大学研究生教育教学改革研究与实践课题项目.
†
通讯作者. E-mail: ts16060151a3@cumt.edu.cn.
