期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种改进的基于孪生卷积神经网络的目标跟踪算法
被引量：
11
1
作者
任珈民
宫宁生
韩镇阳
《小型微型计算机系统》
CSCD
北大核心
2019年第12期2686-2690,共5页
目标跟踪是计算机视觉的一个重要研究方向.为了对视频序列中单个目标进行准确定位和实时跟踪,本文采用孪生卷积神经网络解决深度神经网络模型更新不及时和训练数据不足的问题;同时在孪生卷积神经网络的特征提取子模块中加入SE-Net,先利...
目标跟踪是计算机视觉的一个重要研究方向.为了对视频序列中单个目标进行准确定位和实时跟踪,本文采用孪生卷积神经网络解决深度神经网络模型更新不及时和训练数据不足的问题;同时在孪生卷积神经网络的特征提取子模块中加入SE-Net,先利用卷积层提取图像的空间特征信息,再利用特征通道间的相互依赖关系建模,强化有效通道特征,进一步提升网络的特征表征能力,从而提升特征提取的效果;最后通过区域推荐网络进行目标定位和边框微调.本文使用OTB2015数据集进行实验,以平均覆盖率和OPE方法作为评估标准,实验结果表明平均覆盖率为66.6%,OPE准确率图和成功率图也均显示跟踪效果优于其他算法.
展开更多
关键词
深度学习
目标跟踪
特征提取
计算机视觉
神经网络
下载PDF
职称材料
基于YOLOv3与改进VGGNet的车辆多标签实时识别算法
被引量：
1
2
作者
顾曦龙
宫宁生
胡乾生
《计算机科学》
CSCD
北大核心
2022年第S02期542-548,共7页
为了能快速、有效地识别视频中的车辆信息,文中结合YOLOv3算法和CNN算法的优点,设计了一种能实时识别车辆多标签信息的算法。首先,利用具有较高识别速度和准确率的YOLOv3实现对视频流中车辆的实时监测和定位。在获得车辆的位置信息后,...
为了能快速、有效地识别视频中的车辆信息,文中结合YOLOv3算法和CNN算法的优点,设计了一种能实时识别车辆多标签信息的算法。首先,利用具有较高识别速度和准确率的YOLOv3实现对视频流中车辆的实时监测和定位。在获得车辆的位置信息后,再将车辆信息传入经过简化与优化的类VGGNet多标签分类网络中,对车辆进行多标签标识。最后将标签信息输出至视频流,得到对视频中车辆的实时多标签识别。文中训练与测试数据集来源为KITTI数据集和通过Bing Image Search API获取的多标签数据集。实验结果证明,所提方法在KITTI数据集上的mAP达到了91.27,多标签平均准确率达到80%以上,视频帧率达到35fps,在保证实时性的基础上取得了较好的车辆识别和多标签分类效果。
展开更多
关键词
计算机视觉
车辆识别
多标签识别
目标检测
深度学习
下载PDF
职称材料
题名
一种改进的基于孪生卷积神经网络的目标跟踪算法
被引量：
11
1
作者
任珈民
宫宁生
韩镇阳
机构
南京工业大学计算机科学与技术学院
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第12期2686-2690,共5页
基金
国家“九七三”重点基础研究发展计划项目(2005CB321901)资助
文摘
目标跟踪是计算机视觉的一个重要研究方向.为了对视频序列中单个目标进行准确定位和实时跟踪,本文采用孪生卷积神经网络解决深度神经网络模型更新不及时和训练数据不足的问题;同时在孪生卷积神经网络的特征提取子模块中加入SE-Net,先利用卷积层提取图像的空间特征信息,再利用特征通道间的相互依赖关系建模,强化有效通道特征,进一步提升网络的特征表征能力,从而提升特征提取的效果;最后通过区域推荐网络进行目标定位和边框微调.本文使用OTB2015数据集进行实验,以平均覆盖率和OPE方法作为评估标准,实验结果表明平均覆盖率为66.6%,OPE准确率图和成功率图也均显示跟踪效果优于其他算法.
关键词
深度学习
目标跟踪
特征提取
计算机视觉
神经网络
Keywords
deep learning
target tracking
feature extraction
computer vision
neural network
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391 [自动化与计算机技术—控制科学与工程]
下载PDF
职称材料
题名
基于YOLOv3与改进VGGNet的车辆多标签实时识别算法
被引量：
1
2
作者
顾曦龙
宫宁生
胡乾生
机构
南京工业大学计算机科学与技术学院
出处
《计算机科学》
CSCD
北大核心
2022年第S02期542-548,共7页
基金
国家重点基础研究发展计划(973计划)(2005CB321901)
基于高压缩比技术的移动环境执法视频采集与管理系统(ZX16487470001)
软件开发环境国家重点实验室开放课题(BUAA-SKLSDE-09KF-03)
文摘
为了能快速、有效地识别视频中的车辆信息,文中结合YOLOv3算法和CNN算法的优点,设计了一种能实时识别车辆多标签信息的算法。首先,利用具有较高识别速度和准确率的YOLOv3实现对视频流中车辆的实时监测和定位。在获得车辆的位置信息后,再将车辆信息传入经过简化与优化的类VGGNet多标签分类网络中,对车辆进行多标签标识。最后将标签信息输出至视频流,得到对视频中车辆的实时多标签识别。文中训练与测试数据集来源为KITTI数据集和通过Bing Image Search API获取的多标签数据集。实验结果证明,所提方法在KITTI数据集上的mAP达到了91.27,多标签平均准确率达到80%以上,视频帧率达到35fps,在保证实时性的基础上取得了较好的车辆识别和多标签分类效果。
关键词
计算机视觉
车辆识别
多标签识别
目标检测
深度学习
Keywords
Computer vision
Vehicle recognition
Multi-label recognition
Target detection
Deep learning
分类号
U495 [交通运输工程—交通运输规划与管理]
TP391.41 [交通运输工程—道路与铁道工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种改进的基于孪生卷积神经网络的目标跟踪算法
任珈民
宫宁生
韩镇阳
《小型微型计算机系统》
CSCD
北大核心
2019
11
下载PDF
职称材料
2
基于YOLOv3与改进VGGNet的车辆多标签实时识别算法
顾曦龙
宫宁生
胡乾生
《计算机科学》
CSCD
北大核心
2022
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
