计算机工程

作者：黄琦强, 安国成, 熊刚

单位：1. 上海交通大学电子信息与电气工程学院, 上海 2002402. 上海华讯网络系统有限公司行业数智事业部, 四川 成都 610074

关键词：视觉-语言预训练模型,Faster R-CNN,开集目标检测,交通目标检测

基金：“十四五”国家重点研发计划(2023YFC3006700); 国家自然科学基金(62071293)

交通目标检测是智慧交通系统的重要组成部分, 但现有的交通目标检测算法只能实现对于预设目标的检测, 无法应对开集目标场景。为此, 提出一种基于视觉-语言预训练(VLP)模型的开集交通目标检测算法。首先, 基于Faster R-CNN修改预测网络使其能够适应开集目标的定位问题, 并将损失函数改进为交并比(IoU)损失, 有效提升定位精度; 其次, 构建一种新的基于VLP的标签匹配网络(VLP-LMN), 对预测框进行标签匹配, VLP模型作为一个强大的知识库, 可有效匹配区域图像和标签文本, 同时, VLP-LMN的提示工程和微调网络模块可以更好地发掘出VLP模型的性能, 有效提高VLP模型标签匹配的准确性。实验结果表明, 该算法在PASCAL VOC07+12数据集上实现了60.3%的新类目标检测平均准确率, 这证明了其具有良好的开集目标检测性能; 同时在交通数据集上的新类目标检测平均准确率达到了58.9%, 作为零样本检测, 仅比基类目标低14.5%, 证明了该算法在交通目标检测上具有良好的泛化能力。

来源：2025年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第6期