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
1
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
基于Dense_YOLO的室内目标异常检测
被引量：
2
1
作者
贾世杰
胡斯平
+1 位作者
杨明珠
刘舒婷
《大连交通大学学报》
CAS
2019年第3期102-107,共6页
针对室内场所,运用目标检测等算法实现对监控视频的实时异常检测.为提高检测效果,对YOLOv2模型进行了三个方面的改进:利用稠密网络中特征融合方式改进网络结构;使用K-means++对目标框进行聚类改进网络参数;利用迁移学习的方式对网络进...
针对室内场所,运用目标检测等算法实现对监控视频的实时异常检测.为提高检测效果,对YOLOv2模型进行了三个方面的改进:利用稠密网络中特征融合方式改进网络结构;使用K-means++对目标框进行聚类改进网络参数;利用迁移学习的方式对网络进行训练;改进最终得到Dense_YOLO目标检测模型.实验结果表明Dense_YOLO正确率达到了93.66%,相比YOLOv2提高了7.06%.针对人、宠物、贵重物品这几种常见的监控目标,利用Dense_YOLO对目标状态进行异常检测,并分别在一般场景、光照强、光照弱、目标被遮挡、目标较小等不利条件下进行测试,区域入侵检测、物品移动/移出检测两种特定目标异常检测功能分别到达92.73%、90.07%的平均正确率.
展开更多
关键词
室内场所
视频监控
异常检测
目标检测
dense
_
yolo
下载PDF
职称材料
题名
基于Dense_YOLO的室内目标异常检测
被引量：
2
1
作者
贾世杰
胡斯平
杨明珠
刘舒婷
机构
大连交通大学电气信息工程学院
出处
《大连交通大学学报》
CAS
2019年第3期102-107,共6页
基金
辽宁省自然科学基金资助项目(201602118)
辽宁省教育厅科学研究计划资助项目(JDL2016024)
文摘
针对室内场所,运用目标检测等算法实现对监控视频的实时异常检测.为提高检测效果,对YOLOv2模型进行了三个方面的改进:利用稠密网络中特征融合方式改进网络结构;使用K-means++对目标框进行聚类改进网络参数;利用迁移学习的方式对网络进行训练;改进最终得到Dense_YOLO目标检测模型.实验结果表明Dense_YOLO正确率达到了93.66%,相比YOLOv2提高了7.06%.针对人、宠物、贵重物品这几种常见的监控目标,利用Dense_YOLO对目标状态进行异常检测,并分别在一般场景、光照强、光照弱、目标被遮挡、目标较小等不利条件下进行测试,区域入侵检测、物品移动/移出检测两种特定目标异常检测功能分别到达92.73%、90.07%的平均正确率.
关键词
室内场所
视频监控
异常检测
目标检测
dense
_
yolo
Keywords
indoor location
video surveillance
anomaly detection
objet detection
dense
_
yolo
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Dense_YOLO的室内目标异常检测
贾世杰
胡斯平
杨明珠
刘舒婷
《大连交通大学学报》
CAS
2019
2
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
