一种复杂交通环境下利用深度学习法检测弱小目标的方法

摘要

本发明公开了一种复杂交通环境下利用深度学习法检测弱小目标的方法，本方法通过利用改进Faster R‑CNN卷积神经网络进行弱小目标的检测，能够获得更加有效的特征表达和丰富的语义信息，同时在RPN网络中引入特征金字塔网络生成目标候选框，对卷积神经网络结构进行优化，能够得到具有更多有效信息的候选框，增强对包含重要信息的特征区域的表达能力，实现对图像中含有目标的区域进行高效率的使用，通过实验验证，本方法具有精确度高、实际泛化性能好的特点。