基于SENet改进的Faster R-CNN行人检测模型

随着无人驾驶和智能驾驶技术的发展, 计算机视觉对视频图像检测的实时性和准确性要求也越来越高. 现有的行人检测方法在检测速度和检测精度两个方面难以权衡. 针对此问题, 提出一种改进的Faster R-CNN模型, 在Faster R-CNN的主体特征提取网络模块中加入SE网络单元, 进行道路行人检测. 这种方法不仅能达到相对较高的准确率, 用于视频检测时还能达到一个较好的检测速率, 其综合表现比Faster R-CNN模型更好. 在INRIA数据集和私有数据集上的实验表明, 模型的mAP最好成绩能达到93.76%, 最高检测速度达到了13.79 f/s.