基于改进SN-RetinaNet的车辆目标检测方法

doi:10.13291/j.cnki.djdxac.2025.04.018

大连交通大学学报 ›› 2025, Vol. 46 ›› Issue (04) : 147 -154. DOI: 10.13291/j.cnki.djdxac.2025.04.018

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对复杂交通场景下密集车辆检测存在的目标遮挡、尺度变化大等难题，提出一种基于改进RetinaNet的车辆检测算法SN-RetinaNet。该方法首先在特征提取网络中引入可切换空洞卷积模块，通过动态调整感受野增强多尺度特征提取能力；其次结合神经架构搜索技术优化特征金字塔网络结构，提升算法对不同尺度目标的适应性；最后提出一种基于统计先验的锚框比例优化策略。在SODA10M数据集上的试验结果表明，此方法平均检测精度(mAP)达到48.7%,较基准方法提升3.7个百分点。研究结果为智能交通系统中的车辆检测任务提供了有效的解决方案。