一种改进的单步多框目标检测算法 被引量：5

1

作者 王燕妮 刘祥 刘江 《西安交通大学学报》 EI CAS CSCD 北大核心 2021年第4期145-153,共9页

针对单步多框目标检测算法(SSD)中存在的误检、漏检以及检测精度不够高等问题,提出了一种改进的SSD目标检测算法。该算法通过空洞卷积替换conv4_3卷积层及之前的两次标准卷积,扩大感受野,使用反卷积对不同尺度的特征图进行融合,使融合... 针对单步多框目标检测算法(SSD)中存在的误检、漏检以及检测精度不够高等问题,提出了一种改进的SSD目标检测算法。该算法通过空洞卷积替换conv4_3卷积层及之前的两次标准卷积,扩大感受野,使用反卷积对不同尺度的特征图进行融合,使融合形成的特征图具有丰富的上下文信息,最后为特征图添加注意力模型,有效提取感兴趣区域的特征。仿真实验结果表明,改进算法在VOC2007数据集上较原算法检测精度提升0.9%,检测结果更加准确,一定程度上改善了误检、漏检等问题,同时仍满足实时性的要求。 展开更多

关键词 目标检测 单步多框目标检测算法 空洞卷积 反卷积 注意力机制

下载PDF 职称材料

基于深度学习的无锚框目标检测算法综述 被引量：3

2

作者 高海涛 朱超涵 +2 位作者 张天棋 郝飞 茅新宇 《机床与液压》 北大核心 2024年第1期202-209,共8页

近年来,基于深度学习的无锚框目标检测算法备受关注。为了深入理解无锚框检测算法,对比分析了基于深度学习的无锚框检测算法的原理机制、网络结构、核心特性以及优缺点,归纳总结了无锚框检测算法的核心技术,并在同一数据集上通过性能实... 近年来,基于深度学习的无锚框目标检测算法备受关注。为了深入理解无锚框检测算法,对比分析了基于深度学习的无锚框检测算法的原理机制、网络结构、核心特性以及优缺点,归纳总结了无锚框检测算法的核心技术,并在同一数据集上通过性能实验研究上述算法的性能,总结提出基于深度学习的目标检测算法未来的研究方向。 展开更多

关键词 无锚框目标检测算法 深度学习 算法比较

下载PDF 职称材料

面向遥感目标检测的无锚框Transformer算法 被引量：2

3

作者 喻九阳 胡天豪 +2 位作者 戴耀南 张德安 夏文凤 《电子学报》 EI CAS CSCD 北大核心 2023年第11期3238-3247,共10页

遥感图像目标具有多方向排布、小且密集等特性,使基于深度学习的旋转目标检测算法存在检测精度不佳的问题.针对这一问题,本文提出了一种面向遥感目标检测的无锚框Transformer算法.首先,采用层次化Transformer采集不同分辨率的特征信息... 遥感图像目标具有多方向排布、小且密集等特性,使基于深度学习的旋转目标检测算法存在检测精度不佳的问题.针对这一问题,本文提出了一种面向遥感目标检测的无锚框Transformer算法.首先,采用层次化Transformer采集不同分辨率的特征信息以扩大特征信息的采集范围.其次,构建一种新的前馈网络(Spacial-FeedForward Neural network,SFFN).SFFN将3×3深度可分离卷积的局部空间特性和多层感知机(MultiLayer Perceptron,MLP)的全局通道特性融合在一起,以解决前馈网络(Feed Forward Neural network,FFN)在局部空间建模上的不足.最后,基于SFFN架构搭建了无锚框检测器,将预测框回归问题分为水平框与旋转框,缓解了旋转框的损失不连续性问题.在DOTA数据集上的测试结果表明,此方法的平均精度达到了75.83%,同时在NWPU VHR-10数据集上5类小目标检测结果达到了92.47%,在遥感目标检测精度上更具竞争力. 展开更多

关键词 遥感图像 目标检测 Transformer算法 无锚框检测器

下载PDF 职称材料

基于EfficientNet的无锚框目标检测模型

4

作者 卜子渝 杨哲 刘纯平 《计算机技术与发展》 2024年第1期37-43,共7页

目标检测是计算机视觉的热门研究方向之一,包含分类和定位两个任务。针对单阶段目标检测模型普遍存在的两个问题:训练时正负样本的不均衡以及锚框的设置需要人工干预,提出一种基于EfficientNet的无锚框目标检测模型(Anchor-free Efficie... 目标检测是计算机视觉的热门研究方向之一,包含分类和定位两个任务。针对单阶段目标检测模型普遍存在的两个问题:训练时正负样本的不均衡以及锚框的设置需要人工干预,提出一种基于EfficientNet的无锚框目标检测模型(Anchor-free Efficientnet-based Object Detector,AEOD)。AEOD先筛选出落在目标框中的特征点,再根据特征点所作的预测计算代价矩阵,在训练时基于代价矩阵为目标动态分配正负样本,从而达到平衡二者数量的目的。此模型通过特征图中的特征点直接预测目标的位置和形状,不仅省去了人工设置锚框的环节,还提高了可检出目标的数量。此外,可缩放的EfficientNet进一步提高了模型的泛化能力,使之可以接收多尺度的输入。在PASCAL VOC07+12数据集中,AEOD最高可以获得91.3%的平均精度(mAP),检测速度达到32.1 FPS,较其他主流的目标检测模型有显著提升。 展开更多

关键词 深度学习 计算机视觉 目标检测 正负样本分配算法 无锚框

下载PDF 职称材料

改进YOLOv5s算法的车辆目标实时检测方法 被引量：1

5

作者 陈秀锋 王成鑫 +1 位作者 吴阅晨 谷可鑫 《哈尔滨理工大学学报》 CAS 北大核心 2024年第1期107-114,共8页

针对城市道路车辆检测中小目标车辆漏检率高和存在异类冗余框的问题,提出一种改进YOLOv5s的车辆实时检测算法。对YOLOv5s算法网络结构进行优化,采用增加小目标检测层,将浅层特征图与深层特征图拼接后进行检测的方法,提升小目标车辆的检... 针对城市道路车辆检测中小目标车辆漏检率高和存在异类冗余框的问题,提出一种改进YOLOv5s的车辆实时检测算法。对YOLOv5s算法网络结构进行优化,采用增加小目标检测层,将浅层特征图与深层特征图拼接后进行检测的方法,提升小目标车辆的检测率;针对异类冗余框问题,采用加权非极大值抑制融合两边框信息的方法,提升检测准确性。实验结果表明,改进YOLOv5s算法的平均检测精度(mAP@0.5∶0.95)达到64.17%,相比YOLOv5s算法,查准率、召回率分别提高1.72%、0.72%;在小目标车辆检测中,正检率提高5.95%,漏检率降低4.63%。改进YOLOv5s算法能有效改善小目标车辆的检测精度和准确率。 展开更多

关键词 车辆检测 深度学习 改进YOLOv5s算法 小目标检测 异类冗余框

下载PDF 职称材料

目标物体检测——YOLO算法介绍

6

作者 刘栩辰 《大众科学》 2024年第6期1-3,共3页

物体检测是计算机视觉中的一个具有挑战性的任务,涉及到在图像或视频中定位和分类物体。其中一个最流行的基于深度学习的物体检测方法是YOLO。YOLO已经在各种物体检测基准测试中取得了最先进的性能,并致力于通过神经网络在单次前向传递... 物体检测是计算机视觉中的一个具有挑战性的任务,涉及到在图像或视频中定位和分类物体。其中一个最流行的基于深度学习的物体检测方法是YOLO。YOLO已经在各种物体检测基准测试中取得了最先进的性能,并致力于通过神经网络在单次前向传递中检测图像中的对象的概念,使其成为可用的最快的对象检测模型之一。介绍YOLO的发展、技术、架构以及所利用的算法。 展开更多

关键词 YOLO 目标检测 CNN NMS 算法 ResNet 划分锚框技术

下载PDF 职称材料

基于改进的无锚框目标检测算法的涡检测

7

作者 宣扬 吕宏强 +1 位作者 安慰 刘学军 《数据采集与处理》 CSCD 北大核心 2023年第1期150-161,共12页

在流体运动中涡对各种流场结构的生成和维持起着至关重要的作用,涡的识别和检测有助于理解流体流动规律。传统涡识别方法别存在定义不准确、严重依赖经验阈值、泛化性能差等问题,因此涡检测具有一定挑战性。本文从计算机视觉的角度出发... 在流体运动中涡对各种流场结构的生成和维持起着至关重要的作用,涡的识别和检测有助于理解流体流动规律。传统涡识别方法别存在定义不准确、严重依赖经验阈值、泛化性能差等问题,因此涡检测具有一定挑战性。本文从计算机视觉的角度出发,提出了一个基于目标检测算法的涡检测模型。针对原始目标检测模型对极端宽高比的细长涡检测效果不理想的问题,对两种不同类型涡的数据特性进行分析,并提出了基于可变形卷积(Deformable convolutional network,DCN)的特征自适应模块和基于改进损失函数的细长样本挖掘方法。采用圆柱尾流涡和潜艇尾部涡数据集对所提模型进行验证,实验结果表明改进后的模型检测精确率显著提高,并在细长涡的检测精确率上有显著提升,有效地平衡了各类型的涡检测性能。 展开更多

关键词 涡检测 细长目标检测 无锚框目标检测算法 特征自适应 细长样本挖掘

下载PDF 职称材料

基于深度学习的单步目标检测器特征增强算法 被引量：2

8

作者 朱婷婷 《数字技术与应用》 2019年第6期132-132,134,共2页

目标检测是电子计算机所涉及的一个课题之一,且具有一定的挑战性。本文基于深度学习的单步目标检器特征增强算法展开了讨论和实验,希望能够有效的促进我国电子计算机应用技术的进一步发展。

关键词 单步目标检测技术 特征增强算法 深度学习

下载PDF 职称材料

基于不同卷积神经网络的目标检测算法对比研究 被引量：3

9

作者 毛玉龙 《测绘标准化》 2023年第4期39-43,共5页

为实现基于遥感影像的地物信息智能化、快速化、高精度的目标检测和提取,本文基于卷积神经网络理论,对R-CNN、SPPNet、 Fast R-CNN、Faster R-CNN及Mask R-CNN 5种不同卷积神经网络算法进行对比研究。结果表明,Mask R-CNN算法在分类精... 为实现基于遥感影像的地物信息智能化、快速化、高精度的目标检测和提取,本文基于卷积神经网络理论,对R-CNN、SPPNet、 Fast R-CNN、Faster R-CNN及Mask R-CNN 5种不同卷积神经网络算法进行对比研究。结果表明,Mask R-CNN算法在分类精度和标定框精度上具有明显优势,运行时间较传统卷积神经网络算法有较大提升,通过检测获得的二值Mask为提取影像建筑物轮廓等后续工作提供技术准备,可在高分辨率遥感影像地物检测提取中应用。 展开更多

关键词 遥感影像 卷积神经网络 目标检测算法 分类精度 标定框精度 运行时间

下载PDF 职称材料

基于改进FCOS的遥感图像舰船目标检测

10

作者 陈天鹏 胡建文 《计算机科学》 CSCD 北大核心 2024年第S01期467-473,共7页

由于遥感图像中舰船目标方向任意,基于深度学习的通用目标检测算法采用水平框,在检测舰船时易框选大量背景,检测效果欠佳。文中提出一种改进全卷积一阶段目标检测网络(FCOS)的遥感图像舰船目标检测算法,以FCOS为基线,在检测头部分增加... 由于遥感图像中舰船目标方向任意,基于深度学习的通用目标检测算法采用水平框,在检测舰船时易框选大量背景,检测效果欠佳。文中提出一种改进全卷积一阶段目标检测网络(FCOS)的遥感图像舰船目标检测算法,以FCOS为基线,在检测头部分增加一条偏移回归分支,通过偏移水平框的上边中点和右边中点,产生旋转框。舰船目标通常具有较大的长宽比,预测框与真实框之间的角度偏差对交并比的影响较大,进而影响模型的检测精度。针对该问题,在计算偏移损失时引入与舰船目标长宽比有关的加权因子,使得具有较大长宽比的目标获得较大的偏移损失。在HRSC2016数据集上的实验结果表明,所提算法的平均精确度达到89.00%,检测速度达到19.8FPS,相比同类型的无锚框算法,其在检测速度和检测精度上均表现优秀。 展开更多

关键词 遥感图像 舰船目标检测 FCOS 无锚框算法 偏移分支

下载PDF 职称材料

联合YOLOv4检测的候选框选择和目标跟踪方法 被引量：2

11

作者 李福进 黄志伟 +1 位作者 史涛 任红格 《现代电子技术》 2022年第3期43-47,共5页

当前的目标跟踪算法主流是基于检测的跟踪(DBT),所以检测的质量对跟踪的性能影响很大,同时在跟踪过程中易受环境干扰、光照变化、目标尺度和类别的影响,针对以上目标跟踪存在的问题,提出一种联合深度学习神经网络YOLOv4检测算法和Kalma... 当前的目标跟踪算法主流是基于检测的跟踪(DBT),所以检测的质量对跟踪的性能影响很大,同时在跟踪过程中易受环境干扰、光照变化、目标尺度和类别的影响,针对以上目标跟踪存在的问题,提出一种联合深度学习神经网络YOLOv4检测算法和Kalman滤波的目标跟踪算法。首先利用目标检测器对目标进行分类和边界框提取,跟踪器用于在跟踪轨迹中收集候选数据;其次,提出一种对象选择器,用来选择检测和跟踪轨迹中的最优候选框;最后,将最优候选框和跟踪轨迹利用ReID进行数据关联判断是否对跟踪轨迹进行更新。实验结果表明,联合检测的目标跟踪方法与其他几种已经成型算法对比跟踪精度达到84.9%,跟踪成功率为82.2%。同时该方法在面对环境变化、类别变化、光照强度、遮挡等复杂情况下仍然具有很好的鲁棒性。 展开更多

关键词 目标跟踪 目标检测 候选框选择 YOLOv4检测算法 KALMAN滤波 目标分类 边界框提取 数据关联

下载PDF 职称材料

基于YOLOv2模型的道路目标检测改进算法 被引量：2

12

作者 宋建国 吴岳 《软件导刊》 2019年第12期126-129,共4页

针对传统道路目标检测算法推荐窗口冗余、鲁棒性差、复杂度较高的问题,提出基于YOLOv2模型的道路目标检测改进算法。相较于传统的HOG+SVM目标检测算法,YOLO模型优势在于提升了检测速度及准确度,更适用于实时目标检测。比较YOLO V3与YOLO... 针对传统道路目标检测算法推荐窗口冗余、鲁棒性差、复杂度较高的问题,提出基于YOLOv2模型的道路目标检测改进算法。相较于传统的HOG+SVM目标检测算法,YOLO模型优势在于提升了检测速度及准确度,更适用于实时目标检测。比较YOLO V3与YOLO V2算法,前者在构造神经网络模型时复杂度较高,故最终选择YOLO V2算法。针对原算法中选取Anchor Boxes时所采用的K-MEANS算法造成的目标物体框冗余问题,以及原算法对于不规则物体以及遮挡物体检测效果较差等问题,提出基于YOLO V2模型的一种改进方法,将K-MEANS算法改进为一种DA-DBSCAN算法,通过动态调整参数的方式大大减少了锚点框冗余问题。实验表明,改进后的模型准确率达到96.76%,召回率达到96.73%,检测帧数达到37帧/s,能够满足实时性要求。 展开更多

关键词 目标检测算法 鲁棒性 深度学习 不规则 DA-DBSCAN 锚点框

下载PDF 职称材料

面向Anchor-Based单阶段目标检测算法的精度提升研究

13

作者 单莉 梁煜博 《北京工业职业技术学院学报》 2020年第4期10-15,共6页

在基于深度学习的目标检测领域,借助图像特征提取技术的进步,可以使用锚框在图像的不同位置生成边框,通过提取边框区域特征进行边框位置回归。在实际训练过程中,发现基于anchor的单阶段检测方法存在精度不足的问题,经过分析总结将问题... 在基于深度学习的目标检测领域,借助图像特征提取技术的进步,可以使用锚框在图像的不同位置生成边框,通过提取边框区域特征进行边框位置回归。在实际训练过程中,发现基于anchor的单阶段检测方法存在精度不足的问题,经过分析总结将问题划分为3类:样本分类不均衡;目标检测多尺度;优化目标与推论不一致。经过研究近年来的相关论文,归纳上述问题的有效解决办法,并且对同一类问题的解决办法进行对比分析,梳理出不同场景下的有效处理策略,同时为优化模型提供一定的解决思路。 展开更多

关键词 深度学习 目标检测 单阶段检测算法 基于锚框算法 精度提升

下载PDF 职称材料

基于YOLOX的金属表面缺陷检测算法 被引量：4

14

作者 王海航 韩文花 王坤 《计算机工程与设计》 北大核心 2023年第9期2803-2810,共8页

为解决传统检测方法对金属表面缺陷检测速度慢、精度低的问题,研究基于深度学习的YOLOX检测算法。在YOLOv4主干网络加入Focus结构,避免图片下采样中信息丢失;预测端创新性采用无锚框思想、解耦头和SimOTA动态正样本匹配方法对融合后特... 为解决传统检测方法对金属表面缺陷检测速度慢、精度低的问题,研究基于深度学习的YOLOX检测算法。在YOLOv4主干网络加入Focus结构,避免图片下采样中信息丢失;预测端创新性采用无锚框思想、解耦头和SimOTA动态正样本匹配方法对融合后特征进行预测,加快收敛速度。将该算法用于金属表面缺陷数据集,实验结果表明,结合无锚框、解耦头、样本匹配方法可使平均检测精度均值提升到83.78%,比YOLOv3和YOLOv4算法分别提升13%和7%,检测图片速度达到65张/秒,检测精度和速度均具有明显提升。 展开更多

关键词 目标检测 缺陷检测 单步检测算法 无锚框 特征金字塔 解耦头 样本匹配

下载PDF 职称材料

基于完全融合集成网络候选框的肋骨骨折检测方法 被引量：2

15

作者 何学才 金倞 +1 位作者 李铭 章琛曦 《解剖学报》 CAS CSCD 北大核心 2022年第3期396-401,共6页

目的提出一种新型的肋骨骨折检测网络Rib-Net,探讨其进行肋骨骨折检测的可行性与准确性,以减少骨折漏诊案例。方法采用公开数据集RibFrac Dataset,其数据集划分为训练集(420例)、验证集(80例)及测试集(160例)。Rib-Net由目标检测集成网... 目的提出一种新型的肋骨骨折检测网络Rib-Net,探讨其进行肋骨骨折检测的可行性与准确性,以减少骨折漏诊案例。方法采用公开数据集RibFrac Dataset,其数据集划分为训练集(420例)、验证集(80例)及测试集(160例)。Rib-Net由目标检测集成网络ED-Net、完全候选框融合算法(CBF)与分割模型3D Unet构成。首先,集成Retina Unet、UFRCNN+与Mask RCNN组成ED-Net,预测肋骨骨折候选框;其次,设计全新的CBF,融合存在重叠的骨折候选框,生成定位精准、置信度准确的候选框;最后,利用Unet对肋骨骨折进行分割,实现肋骨骨折的进一步精确定位。结果在“MICCAI 2020 RibFrac Challenge:Rib Fracture Detection and Classification”挑战赛平台上,Rib-Net检测结果达到了最优成绩,其召回率、无限制接受者操作特性曲线(FROC)值及Dice相似指数分别为92.3%,0.859和0.61。结论Rib-Net网络可高效精准地对胸部CT影像进行肋骨骨折检测定位,有效协助医生做出准确诊断。 展开更多

关键词 深度学习 肋骨 骨折 目标检测 集成检测网络 完全框融合 分割 算法 人

原文传递

基于改进SSD的工件定位算法 被引量：2

16

作者 李琳 符明恒 +1 位作者 张铁 邹焱飚 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第6期1260-1269,共10页

工业机器人完成工件的拾取、分拣与装配等任务,需要获得准确的位置信息。而目标检测算法的回归损失函数的设定会直接影响预测框的定位准确性。针对SSD原始回归损失函数忽略4个边界信息的相关性及与评价指标IoU变化不匹配等问题,提出了... 工业机器人完成工件的拾取、分拣与装配等任务,需要获得准确的位置信息。而目标检测算法的回归损失函数的设定会直接影响预测框的定位准确性。针对SSD原始回归损失函数忽略4个边界信息的相关性及与评价指标IoU变化不匹配等问题,提出了一种基于改进SSD的工件定位算法。所提算法以高效交并比(EIoU)为SSD的回归损失函数,将4个边界信息作为一个整体,并添加了中心点损失和边长损失2个惩罚项分别表征预测框与真实框的中心点相对距离和边长差异,解决了边框回归不准确的问题。实验结果表明:所提算法能把定位平均误差控制在0.18 mm以内,误差峰值控制在0.76 mm以内。所提算法能有效提高工件的定位精度,适用于不同类型的工件或其他类似的定位任务,具有良好的工业应用前景。 展开更多

关键词 工件 定位 损失函数 单步多框目标检测 高效交并比

原文传递

基于优化SSD算法的冰鲜鲳鱼新鲜度评估方法研究 被引量：3

17

作者 李振波 李萌 +3 位作者 吴宇峰 赵远洋 郭若皓 陈雅茹 《农业机械学报》 EI CAS CSCD 北大核心 2021年第S01期472-481,共10页

保障冰鲜水产品的质量安全是提升水产行业供求效益的关键环节之一,冷链储运的发展急需一种快速无损的鱼肉品质检测技术。以冰鲜鲳鱼为研究对象,提出用于鲳鱼新鲜度质变敏感区域定位与评估的目标检测网络SSD优化方法。首先,建立冰鲜鲳鱼... 保障冰鲜水产品的质量安全是提升水产行业供求效益的关键环节之一,冷链储运的发展急需一种快速无损的鱼肉品质检测技术。以冰鲜鲳鱼为研究对象,提出用于鲳鱼新鲜度质变敏感区域定位与评估的目标检测网络SSD优化方法。首先,建立冰鲜鲳鱼新鲜度目标检测数据集。其次,依据先验知识,以鲳鱼的鱼眼和鱼鳃作为感兴趣区域,基于SSD目标检测算法自动定位与识别图像中的质变敏感区域,构建鲳鱼新鲜度评估目标检测模型,通过改进主干网络和设计自适应先验框提升网络性能。优化后的SSD网络在金鲳鱼和银鲳鱼数据集上的平均检测精度均值分别达到98.97%和99.42%,检测速度达到37帧/s。 展开更多

关键词 冰鲜鲳鱼 新鲜度 冷链 SSD目标检测算法 主干网络 自适应先验框

下载PDF 职称材料

多尺度特征融合与锚框自适应的目标检测算法 被引量：2

18

作者 张润梅 毕利君 +3 位作者 汪方斌 袁彬 罗谷安 姜怀震 《激光与光电子学进展》 CSCD 北大核心 2022年第12期410-419,共10页

针对Faster R-CNN算法存在特征提取不充分、检测框定位不准确导致检测精度不高的问题,提出一种多尺度特征融合和锚框自适应相结合的目标检测算法。首先,通过双向融合方法充分提取相邻层级间的深层特征和浅层特征;然后,均衡化处理多尺度... 针对Faster R-CNN算法存在特征提取不充分、检测框定位不准确导致检测精度不高的问题,提出一种多尺度特征融合和锚框自适应相结合的目标检测算法。首先,通过双向融合方法充分提取相邻层级间的深层特征和浅层特征;然后,均衡化处理多尺度特征,使集成的特征能获得来自不同分辨率下等量的语义信息和细节信息,提高目标的识别能力;最后,在区域提议网络(RPN)中利用目标的特征信息,通过自适应预测锚框的位置和形状来生成锚框。基于VOC数据集对算法的实验结果表明:与基于ResNet50的Faster R-CNN算法相比,所提算法中的多尺度特征融合策略加强了算法对不同尺度目标的检测能力,自适应锚框机制能够提高定位精度并避免小目标的漏检,算法整体的检测结果具有较好表现,平均检测精度提升了3.20个百分点。 展开更多

关键词 机器视觉 目标检测 Faster R-CNN算法 特征融合 锚框自适应

原文传递

基于Faster-RCNN的汽车漆面缺陷部位检测 被引量：3

19

作者 薛阳 叶晓康 +2 位作者 孙越 洪俊 万轶伦 《计算机应用与软件》 北大核心 2023年第8期193-200,共8页

针对人工设计特征复杂和传统的自动化方法在目标识别和检测上准确率和效率低下的问题,提出一种基于改进的Faster-RCNN的目标区域定位方法。由于被检测目标尺度变化大,为了解决原始Faster-RCNN网络结构对于小目标区域检测精度低的问题,... 针对人工设计特征复杂和传统的自动化方法在目标识别和检测上准确率和效率低下的问题,提出一种基于改进的Faster-RCNN的目标区域定位方法。由于被检测目标尺度变化大,为了解决原始Faster-RCNN网络结构对于小目标区域检测精度低的问题,提出多尺度快速区域卷积神经网络检测算法,改进了神经网络的结构,使网络在检测过程中可以同时使用低层和高层的特征,提升了网络对于小目标区域的检测能力。修改原始网络中锚框设定方法,通过聚类算法来确定不同尺度的特征图的锚框。实验结果表明,该方法在不同的背景下均能实现对目标较好的识别与定位,对小区域的检测能力显著提高。检测精度由原始网络结构的79.60%上升到95.39%,提高了15.79百分点。 展开更多

关键词 目标检测与定位 深度学习 多尺度检测 聚类算法 锚框

下载PDF 职称材料

基于YOLOv3的行人检测方法研究 被引量：1

20

作者 郑学远 《现代信息科技》 2020年第10期81-83,86,共4页

通过借鉴目标检测YOLO系列算法中的优秀做法,提出基于YOLOv3的行人检测方法。深入研究YOLOv3模型,分析YOLOv3算法的网络结构和检测流程,提出基于YOLOv3的行人检测框架。在自制的行人数据库上实现YOLOv3算法,根据实验结果发现并评估该方... 通过借鉴目标检测YOLO系列算法中的优秀做法,提出基于YOLOv3的行人检测方法。深入研究YOLOv3模型,分析YOLOv3算法的网络结构和检测流程,提出基于YOLOv3的行人检测框架。在自制的行人数据库上实现YOLOv3算法,根据实验结果发现并评估该方法在实际场景的行人检测中存在的问题,为改进YOLOv3算法在实际场景中的行人检测提供一定的参考。 展开更多

关键词 YOLO算法 行人检测 目标框 激活函数

下载PDF 职称材料