题名 基于YOLO的多尺度并行人脸检测算法
被引量：6
1
作者
贺怀清 王进 惠康华 陈琴
机构
中国民航大学计算机科学与技术学院
出处
《计算机工程与设计》
北大核心
2020年第9期2559-2565,共7页
文摘
针对通用目标检测方法YOLO(you only look once)直接应用到人脸检测中存在召回率不够高、定位不够准确的问题,提出一种由密集到稀疏的多尺度并行的网络结构。通过不同尺度的网络检测不同尺寸的人脸,解决召回率不够高的问题,通过平均多尺度网络的检测结果解决定位不够准确的问题。引入中心损失函数,减小类内距离,进一步提高分类准确率。实验结果表明,在不同的数据集上,该方法的召回率及定位准确性相对于YOLO有所提高,检测精度接近主流方法的同时检测速度具有明显优势。
关键词
通用 目标 检测 人脸检测 多尺度 并行检测 中心损失
Keywords
generic object detection face detection multi-scale parallel detection center loss
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 目标检测中的尺度变换应用综述
被引量：5
2
作者
申奉璨 张萍 罗金 刘松阳 冯世杰
机构
电子科技大学光电科学与工程学院
出处
《中国图象图形学报》
CSCD
北大核心
2020年第9期1754-1772,共19页
基金
四川省科技计划项目(2018GZ0166,2019YFG0307)。
文摘
目标检测试图用给定的标签标记自然图像中出现的对象实例,已经广泛用于自动驾驶、监控安防等领域。随着深度学习技术的普及,基于卷积神经网络的通用目标检测框架获得了远好于其他方法的目标检测结果。然而,由于卷积神经网络的特性限制,通用目标检测依然面临尺度、光照和遮挡等许多问题的挑战。本文的目的是对卷积神经网络架构中针对尺度的目标检测策略进行全面综述。首先,介绍通用目标检测的发展概况及使用的主要数据集,包括通用目标检测框架的两种类别及发展,详述基于候选区域的两阶段目标检测算法的沿革和结构层面的创新,以及基于一次回归的目标检测算法的3个不同的流派。其次,对针对检测问题中影响效果的尺度问题的优化思路进行简单分类,包括多特征融合策略、针对感受野的卷积变形和训练策略的设计等。最后,给出了各个不同检测框架在通用数据集上对不同尺寸目标的检测准确度,以及未来可能的针对尺度变换的发展方向。
关键词
图像语义理解 通用 目标 检测 卷积神经网络 尺度变换 小目标 检测
Keywords
image semantic understanding general object detection convolutional neural network(CNN) scale changing small target detection
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
题名 基于多层次互补特征的通用目标检测模型
被引量：5
3
作者
潘泓 金立左 夏思宇 夏良正
机构
东南大学自动化学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2012年第7期1531-1537,共7页
基金
国家自然科学基金(60805002 90820009) +1 种基金 东南大学优秀青年教师教学科研资助计划(4008001015) 航空科学基金(20115169016)资助课题
文摘
针对实际场景中多类目标检测问题,该文提出了一种基于多层次特征表示和异质互补描述子的通用目标检测模型。该模型采用基于组件的目标描述思想,提取目标不同层次的互补特征,并将其统一到条件随机场(CRF)框架中。目标中单个组件及其局部特征对应CRF的一元节点,组件之间的几何空间结构特征则体现在节点之间的两两连接关系上。通过引入节点支持向量机(SVM)分类器和边缘拓扑结构学习,极大提高了模型的鉴别能力和灵活性。在UIUC多尺度数据集和PASCAL VOC 2007数据集上测试结果表明,该文模型不仅能有效描述多类复杂目标,还能较好地解决姿态、尺度、光照变化及局部遮挡情况下的目标检测问题。
关键词
通用 目标 检测 多层次特征描述 异构特征 条件随机场
Keywords
Generic object detection Hierarchical feature representation Heterogeneous feature Conditional Random Field （CRF）
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于YOLOv7的通用目标检测模型
4
作者
钟玲 陆国芳
机构
沈阳工业大学软件学院
出处
《智能计算机与应用》
2023年第12期23-31,共9页
基金
国家自然科学基金(61540069) 辽宁省教育厅科研基金(LJGD2020017)。
文摘
针对通用目标检测领域在自动提取特征的过程中会提取错误的目标检测区域信息,本文以YOLOv7模型作为基线模型进行改进,有效地提高检测精度。首先,在YOLOv7模型的主干网络中引入改进的注意力机制,在上采样模块中采用双三次插值,以增强浅层和深层的特征融合效果,减少区域信息丢失;其次,通过设计动态IOU阈值实现动态非极大值抑制,解决固定阈值导致检测边界框冗余的问题,提升准确性;最后,采用剪枝算法对网络模型进行轻量化处理,并使用深度可分离卷积替换原始卷积。实验结果显示,本文模型在数据集上的准确率、F1值和召回率均高于其他模型,说明本文建立的基于YOLOv7模型改进的通用目标检测算法的有效性。
关键词
YOLOv7模型 通用 目标 检测 注意力机制 双三次插值 剪枝算法 深度可分离卷积
Keywords
YOLOv7 model generic target detection attention mechanism bicubic interpolation pruning algorithm depth-separable convolution
分类号
TP392
[自动化与计算机技术—计算机应用技术]
题名 一种基于颜色属性的通用目标检测方法
被引量：1
5
作者
赵起超 任明武
机构
南京理工大学计算机科学与工程学院
出处
《微电子学与计算机》
CSCD
北大核心
2017年第2期128-131,共4页
文摘
通用目标检测是视频分析技术中目标定位、检测和跟踪的关键技术.针对数字图像分析中的通用目标检测问题,提出了一种基于颜色属性的通用目标检测算法,用以提取图像中有可能包含目标的子区域并以外接矩形的形式输出.该算法首先利用输入图像的颜色属性对其进行区域分割并计算划分后的区域相似度,接着根据相邻区域间的相似度进行区域合并,最后结合选择性搜索策略,实现了通用目标的检测.实验表明此算法检测出的候选框的精度可以满足通用目标检测的要求.
关键词
颜色属性 区域分割 选择性搜索 通用 目标 检测
Keywords
color names region segmentation selective search generic object detection
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于CNN通道建模的行人检测方法
6
作者
陈光喜 王佳鑫 黄勇 吕方方 詹宝莹
机构
桂林电子科技大学计算机与信息安全学院 广州大学计算机科学与教育软件学院
出处
《计算机工程与设计》
北大核心
2019年第8期2337-2341,共5页
基金
国家自然科学基金项目(61462018) 广东省数学教育软件工程技术研究中心开放基金项目(LD16124X) +1 种基金 广西学位与研究生教育改革基金项目(JGY2014060) 桂林电子科技大学研究生教育创新基金项目(2016XWYJ09)
文摘
为解决直接采用通用目标检测方法检测行人时检测质量较低这一问题,通过研究不同的通道对检测的影响,发现低层的特征语义信息比较少,但目标位置准确,高层的特征语义信息比较丰富,但目标位置比较粗糙这一特点,提出一种CNN结构,充分利用上下文语义,建模特征通道之间的关系,使CNN提取的特征更具鲁棒性。在KITTI数据集进行训练与测试,对比最新的特征提取方法,提出方法的mAP提高了3.6%,由此验证了建模通道特征方法对行人检测的有效性。
关键词
行人检测 通用 目标 检测 特征语义 通道建模 CNN结构
Keywords
pedestrian detection general object detection feature semantics channel modeling CNN structure
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于通用目标检测器的大坝裂缝检测方法
7
作者
赵凡 李琳芸 魏仁杰 张志伟
机构
西安理工大学印刷包装与数字媒体学院 西安理工大学陕西省印刷包装工程重点实验室
出处
《数据采集与处理》
CSCD
北大核心
2022年第2期405-414,共10页
基金
陕西省重点研发计划(2022GY-305)。
文摘
针对现有大坝病害检测方法只能粗略定位裂缝所在区域的问题,提出了一种基于通用目标检测器的大坝裂缝提取方法。首先,设计了一个二目标检测器,把裂缝区域和水渍区域作为两个独立的目标在图像上同时检测出来;其次,建立和同一裂缝关联的裂缝区域和水渍区域几何位置关系;最后,对裂缝框中包含的水渍框上边界进行点均匀采样,对采样点进行曲线拟合得到裂缝曲线。实验结果表明:提出的算法不仅能够准确检测裂缝框和水渍框,而且能完整地拟合出裂缝曲线,并在毫米级宽度的大坝病害检测中进行了有效验证。
关键词
通用 目标 检测 器大坝裂缝 病害检测 深度学习 曲线拟合
Keywords
universal object detector dam crack disease detection deep learning curve fitting
分类号
TP391
[自动化与计算机技术—计算机应用技术]
