基于融合FPN和FasterR⁃CNN的行人检测算法
【摘要】 针对多尺度行人检测的问题，本文提出一种基于融合特征金字塔网络（Featurepyramidnetworks，FPN）和FasterR⁃CNN（Fasterregionconvolutionalneuralnetwork）的行人检测算法。首先，对FPN和区域建议网络（Regionproposalnetworks，RPN）进行融合；然后，对FPN和FastR⁃CNN进行融合；最后，在Caltech数据集、KITTI数据集和ETC数据集上分别对融合FPN和FasterR⁃CNN的行人检测算法进行训练和测试。该算法在Caltech数据集、KITTI数据集和ETC数据集上的mAP（meanAveragePrecision）分别达到69.72%，69.76%和89.74%。与FasterR⁃CNN相比，该算法不仅提高了行人检测精度，而且在多尺度行人检测的问题上也获得了较为满意的检测效果。
