期刊文献+
共找到27篇文章
< 1 2 >
每页显示 20 50 100
基于增强RPN的孪生网络目标跟踪算法
1
作者 张长弓 杨海涛 +2 位作者 冯博迪 王晋宇 李高源 《电讯技术》 北大核心 2022年第10期1391-1398,共8页
目前孪生网络跟踪器已经具有比较良好的表现,但是对于卷积神经网络所提取的特征仍没有较好地利用其特点,同时孪生网络通过相似性学习进行跟踪的特性使跟踪器的准确性和鲁棒性存在不足。提出了一种金字塔式特征融合的方法,根据骨干网络... 目前孪生网络跟踪器已经具有比较良好的表现,但是对于卷积神经网络所提取的特征仍没有较好地利用其特点,同时孪生网络通过相似性学习进行跟踪的特性使跟踪器的准确性和鲁棒性存在不足。提出了一种金字塔式特征融合的方法,根据骨干网络特征提取层不同深度具有不同侧重的特点提高网络对目标的表征能力,然后使用注意力机制对区域推荐网络(Region Proposal Network,RPN)进行增强,最终实现更精准更鲁棒的跟踪。在OTB100数据集的实验中,新提出的SiamERPN(Siamese Enhanced RPN)算法分别得到了0.668的成功率和0.876的精度,测试结果好于基线算法和其他对比算法。 展开更多
关键词 单目标跟踪 孪生网络 区域推荐网络(rpn) 注意力机制 特征融合
下载PDF
基于Faster RCNN的行人检测方法 被引量:36
2
作者 张汇 杜煜 +3 位作者 宁淑荣 张永华 杨硕 杜晨 《传感器与微系统》 CSCD 2019年第2期147-149,15,共4页
借鉴目标识别领域的快速区域卷积神经网络(Fast RCNN),提出了基于Faster RCNN的行人检测方法,利用CNN提取图像特征,通过聚类和构建区域建议网络(RPN)提取可能含有行人的区域,利用检测网络对目标区域进行判别和分类,并在INRIA数据集中进... 借鉴目标识别领域的快速区域卷积神经网络(Fast RCNN),提出了基于Faster RCNN的行人检测方法,利用CNN提取图像特征,通过聚类和构建区域建议网络(RPN)提取可能含有行人的区域,利用检测网络对目标区域进行判别和分类,并在INRIA数据集中进行了测试验证。实验结果表明:相比基于可变形的组件模型(DPM)的行人检测方法,提出的方法,在测试集上检测准确度达到92. 7%,相比现有的其他方法,其检测效果更好。 展开更多
关键词 快速区域卷积神经网络 区域建议网络 行人检测 深度学习
下载PDF
基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法 被引量:28
3
作者 曹磊 王强 +1 位作者 史润佳 蒋忠进 《东南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2021年第1期87-91,共5页
针对传统Faster-RCNN方法中候选区域生成网络(RPN)模块在进行目标检测时对目标特征提取不够充分的问题,提出一种基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法.首先基于VGG-16网络提取出图片的多层特征,然后利用卷积核对最深的... 针对传统Faster-RCNN方法中候选区域生成网络(RPN)模块在进行目标检测时对目标特征提取不够充分的问题,提出一种基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法.首先基于VGG-16网络提取出图片的多层特征,然后利用卷积核对最深的3个特征层作进一步的特征提取和正则化处理,最后对处理后的3个特征层进行信息融合.利用MSTAR数据集中车辆目标SAR图像和自然背景SAR图像,通过图像分割和贴图的方式制作了SAR场景数据集,对所改进网络进行训练和测试.实验结果表明,在SAR图像车辆目标检测中,与传统RPN相比,改进RPN收敛速度更快,不仅将检测结果的查准率从97.7%提高到了99.7%,虚警率明显降低,而且泛化性能更强,针对训练范围以外的目标,能将查准率由98.0%提高到99.0%. 展开更多
关键词 SAR图像 车辆目标检测 卷积神经网络 Faster-RCNN 候选区域生成网络
下载PDF
基于改进Faster R-CNN的小尺度行人检测 被引量:21
4
作者 陈泽 叶学义 +1 位作者 钱丁炜 魏阳洋 《计算机工程》 CAS CSCD 北大核心 2020年第9期226-232,241,共8页
为提高小尺度行人检测的准确性,提出一种基于改进Faster R-CNN的目标检测方法。通过引入基于双线性插值的对齐池化层,避免感兴趣区域池化过程中两次量化操作导致的位置偏差,同时设计基于级联的多层特征融合策略,将具有丰富细节信息的浅... 为提高小尺度行人检测的准确性,提出一种基于改进Faster R-CNN的目标检测方法。通过引入基于双线性插值的对齐池化层,避免感兴趣区域池化过程中两次量化操作导致的位置偏差,同时设计基于级联的多层特征融合策略,将具有丰富细节信息的浅层特征图和具有抽象语义信息的深层特征图进行通道叠加,从而解决小尺度行人在深层特征图中特征信息缺乏的问题。在INRIA和PASCAL VOC2012数据集上的实验结果表明,在小尺度行人检测效率相同的情况下,该方法相比基于Faster R-CNN的检测方法平均精确率均值分别提高了17.58%和23.78%。 展开更多
关键词 小尺度行人检测 区域建议网络 感兴趣区域池化 Faster R-CNN网络 特征融合
下载PDF
基于轻量级卷积神经网络人脸识别算法的研究与应用 被引量:17
5
作者 胡佳玲 施一萍 +2 位作者 谢思雅 陈藩 刘瑾 《传感器与微系统》 CSCD 北大核心 2022年第1期153-156,共4页
针对多数卷积神经网络(CNN)人脸识别算法在追求高精度的同时,加大网络层数,造成网络参数过多、计算量过大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种改进型轻量级卷积神经网络MobileNet的人脸识别算法。首先,将MobileNe... 针对多数卷积神经网络(CNN)人脸识别算法在追求高精度的同时,加大网络层数,造成网络参数过多、计算量过大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种改进型轻量级卷积神经网络MobileNet的人脸识别算法。首先,将MobileNet中的SoftMax层为L-SoftMax层,避免了过度拟合,实现更好的分类效果。其次,将改进的MobileNet和区域生成网络(RPN)融合,并在Jetson Nano小型设备上进行训练。实验表明:所提算法与传统的卷积神经网络人脸识别算法相比,在LFW人脸数据库和自建的小型数据库上训练测试,模型的参数量减少了88%,识别准确率与原MobileNet相比增加了0.2%,达到了97.54%。运行速度较原MobileNet网络提高了21.3%。 展开更多
关键词 人脸识别 卷积神经网络 MobileNet模型 L-SoftMax层 区域生成网络(rpn)
下载PDF
应用卷积神经网络与RPN的交通标志识别 被引量:13
6
作者 谭台哲 卢剑彪 +2 位作者 温捷文 李楚宏 凌伟林 《计算机工程与应用》 CSCD 北大核心 2018年第21期251-256,264,共7页
在智能交通系统中要求交通标志识别具有良好的鲁棒性、实时性,并且实际交通环境中可能因路标模糊、光照强弱、尺度大小、复杂背景等因素的问题,导致交通标志识别准确率很低。针对上述问题,提出了利用深度学习方法设计卷积神经网络,并通... 在智能交通系统中要求交通标志识别具有良好的鲁棒性、实时性,并且实际交通环境中可能因路标模糊、光照强弱、尺度大小、复杂背景等因素的问题,导致交通标志识别准确率很低。针对上述问题,提出了利用深度学习方法设计卷积神经网络,并通过卷积和池采样的多层处理,结合目标检测方法中的RPN网络结构,以提取图像的候选区域,从而对候选区域进行特征提取,最后利用全连接网络实现对特征图进行回归处理,获取检测目标的位置及识别。实验结果表明,该方法能有效地提高检测精度和计算效率,降低错误率,对于光照、旋转等不良因素下交通标志检测具有较好的稳定性和准确性,有效地提高了交通标志识别效率,具有良好的泛化能力和适应性,且满足一定的实时性的要求。 展开更多
关键词 交通标志检测 实时 区域生成网络(rpn) 智能交通
下载PDF
孪生导向锚框RPN网络实时目标跟踪 被引量:9
7
作者 尚欣茹 温尧乐 +1 位作者 奚雪峰 胡伏原 《中国图象图形学报》 CSCD 北大核心 2021年第2期415-424,共10页
目的区域推荐网络(region proposal network,RPN)与孪生网络(Siamese)相结合进行视频目标跟踪,显示了较高的准确性。然而,孪生RPN网络(Siamese region proposal network,Siam RPN)目标跟踪器依赖于密集的锚框策略,会产生大量冗余的锚框... 目的区域推荐网络(region proposal network,RPN)与孪生网络(Siamese)相结合进行视频目标跟踪,显示了较高的准确性。然而,孪生RPN网络(Siamese region proposal network,Siam RPN)目标跟踪器依赖于密集的锚框策略,会产生大量冗余的锚框并影响跟踪的精度和速度。为了解决该问题,本文提出了孪生导向锚框RPN网络(Siamese-guided anchor RPN,Siamese GA-RPN)。方法Siamese GA-RPN的主要思想是利用语义特征来指导锚框生成。其中导向锚框网络包括位置预测模块和形状预测模块,这两个模块分别利用孪生网络中CNN(convolutional neural network)产生的语义特征预测锚框的位置和长宽尺寸,减少了冗余锚框的产生。然后,进一步设计了特征自适应模块,利用每个锚框的形状信息,通过可变卷积层来修正跟踪目标的原始特征图,降低目标特征与锚框信息的不一致性,提高了目标跟踪的准确性。结果在3个具有挑战性的视频跟踪基准数据集VOT(video object tracking)2015、VOT2016和VOT2017上进行了跟踪实验,测试了算法在目标快速移动、遮挡和光照等复杂场景下的跟踪性能,并与多种优秀算法在准确性和鲁棒性两个评价指标上进行定量比较。在VOT2015数据集上,本文算法与孪生RPN网络相比,准确性提高了1.72%,鲁棒性提高了5.17%;在VOT2016数据集上,本文算法与孪生RPN网络相比,准确性提高了3.6%,鲁棒性提高了6.6%;在VOT2017数据集上进行实时实验,本文算法表现出了较好的实时跟踪效果。结论通过孪生导向锚框RPN网络提高了锚框生成的有效性,确保了特征与锚框的一致性,实现了对目标的精确定位,较好地解决了锚框尺寸对目标跟踪精度的影响。在目标尺度发生变化、遮挡、光照条件变化和目标快速运动等复杂场景下仍然表现出了较强的鲁棒性和适应性。 展开更多
关键词 目标跟踪 孪生网络 rpn网络 导向锚框 特征适应
原文传递
基于多层上下文卷积神经网络的目标检测算法 被引量:8
8
作者 王浩 单文静 方宝富 《模式识别与人工智能》 EI CSCD 北大核心 2020年第2期113-120,共8页
目标检测提取的特征信息不足,导致识别小目标或被遮挡目标时精确度不高.因此,文中提出多层上下文卷积网络(MLC-CNN),通过提取多层上下文信息特征并结合物体特征进行目标检测.MLC-CNN由区域生成网络(RPN)和多层上下文信息(MLC)两个子网... 目标检测提取的特征信息不足,导致识别小目标或被遮挡目标时精确度不高.因此,文中提出多层上下文卷积网络(MLC-CNN),通过提取多层上下文信息特征并结合物体特征进行目标检测.MLC-CNN由区域生成网络(RPN)和多层上下文信息(MLC)两个子网络组成,RPN获取固定长度的特征向量作为目标特征,MLC获取不同层特征图上对应的上下文信息特征,最后融合两部分特征.此外,为了解决数据不均衡问题,融入难负样本训练.在PASCAL VOC2007和PASCAL VOC2012数据集上的实验表明,MLC-CNN的均值平均精度(mAP)具有明显提高. 展开更多
关键词 目标检测 区域生成网络(rpn) 多层上下文信息(MLC) 特征融合
下载PDF
一种面向自动驾驶路况的目标检测算法
9
作者 顾清滢 金紫怡 +2 位作者 蔡宇航 李昶铭 刘翔鹏 《上海师范大学学报(自然科学版中英文)》 2024年第2期156-160,共5页
为了对常见的行人和车辆进行检测,采用自行标注的数据集,通过基于faster regionbased convolutional neural network(RCNN)框架的算法进行调参与优化.主干网络采用轻量化网络MobileNetv2,在原生锚框的基础上,区域建议网络(RPN)部分增加... 为了对常见的行人和车辆进行检测,采用自行标注的数据集,通过基于faster regionbased convolutional neural network(RCNN)框架的算法进行调参与优化.主干网络采用轻量化网络MobileNetv2,在原生锚框的基础上,区域建议网络(RPN)部分增加2个面积尺度,检测部分使用感兴趣区域(ROI)Align结构,减少特征图映射和均分过程中的误差.实验结果表明:使用faster RCNN目标检测网络,可以有效完成行人和车辆的检测任务,整体效果良好. 展开更多
关键词 目标检测 faster region-based convolutional neural network(RCNN) 行人车辆检测 区域建议网络(rpn)
下载PDF
基于Mask R-CNN的雾天场景目标检测 被引量:5
10
作者 张芯睿 赵清华 +1 位作者 王雷 董旭彬 《电光与控制》 CSCD 北大核心 2022年第12期83-88,共6页
针对雾天遥感图像目标检测困难的问题,提出了一种基于Mask R-CNN的改进方法。在Mask R-CNN的基础上加入去雾算法,使雾天情形下检测精度提升18.71%,有效改善雾天场景下目标检测的效果。为进一步提高遥感图像中多尺度目标的检测精度,采用... 针对雾天遥感图像目标检测困难的问题,提出了一种基于Mask R-CNN的改进方法。在Mask R-CNN的基础上加入去雾算法,使雾天情形下检测精度提升18.71%,有效改善雾天场景下目标检测的效果。为进一步提高遥感图像中多尺度目标的检测精度,采用基于最优的特征组合的循环神经网络代替特征金字塔结构,减少了特征信息在传递过程中的流失;重新设计区域建议网络生成候选框的尺寸,并采用Soft-NMS筛选候选框,减小候选框的回归误差。经过实验分析,改进后算法的检测精度和召回率分别提升5.37%和6.37%。 展开更多
关键词 遥感图像 去雾 循环神经网络 区域建议网络(rpn)
下载PDF
融合LoG特征的凸焊螺母检测算法
11
作者 罗柏槐 李扬 +1 位作者 林熙烨 周梓斌 《计算机工程与应用》 CSCD 北大核心 2024年第10期332-340,共9页
针对目前汽车曲面零部件的紧固连接中常用的凸焊工艺中出现凸焊螺母的漏焊、错焊,以及主要依赖人工目测的低效检测方法等问题,提出了一种基于Faster-RCNN的凸焊螺母检测算法。以Faster-RCNN作为基础模型,针对模型在不同角度下螺母特征... 针对目前汽车曲面零部件的紧固连接中常用的凸焊工艺中出现凸焊螺母的漏焊、错焊,以及主要依赖人工目测的低效检测方法等问题,提出了一种基于Faster-RCNN的凸焊螺母检测算法。以Faster-RCNN作为基础模型,针对模型在不同角度下螺母特征各异且难以提取的问题,提出提取LoG特征和原图像自适应融合的方法,以增强模型对螺母特征的提取能力;引入特征金字塔(feature pyramid network,FPN)解决小目标难以被精确检测的问题;为了提升网络在复杂背景中的检测鲁棒性,在FPN中嵌入坐标注意力机制来提升网络对重点目标的关注;设计损失函数,提升训练效果,增强回归框中心点的回归精确度。实验结果表明,所提算法相比原算法,在IoU=0.75时凸焊螺母的检测精确率上升了8.65个百分点,达到90.11%,召回率上升了5.87个百分点,达到79.23%,相比原算法具有明显改善。 展开更多
关键词 目标检测 特征金字塔网络(FPN) 坐标注意力 LoG特征 区域建议网络(rpn)
下载PDF
改进Faster R-CNN模型的CT图磨玻璃密度影目标检测 被引量:5
12
作者 杨淑莹 邓东升 郑清春 《中国图象图形学报》 CSCD 北大核心 2021年第9期2171-2180,共10页
目的针对Faster R-CNN(faster region convolutional neural network)模型在肺部计算机断层扫描(computed tomography,CT)图磨玻璃密度影目标检测中小尺寸目标无法有效检测与模型检测速度慢等问题,对Faster R-CNN模型特征提取网络与区... 目的针对Faster R-CNN(faster region convolutional neural network)模型在肺部计算机断层扫描(computed tomography,CT)图磨玻璃密度影目标检测中小尺寸目标无法有效检测与模型检测速度慢等问题,对Faster R-CNN模型特征提取网络与区域候选网络(region proposal network,RPN)提出了改进方法。方法使用特征金字塔网络替换Faster R-CNN的特征提取网络,生成特征金字塔;使用基于位置映射的RPN产生锚框,并计算每个锚框的中心到真实物体中心的远近程度(用参数"中心度"表示),对RPN判定为前景的锚框进一步修正位置作为候选区域(region proposal),并将RPN预测的前景/背景分类置信度与中心度结合作为候选区域的排序依据,候选区域经过非极大抑制筛选出感兴趣区域(region of interest,RoI)。将Ro I对应的特征区域送入分类回归网络得到检测结果。结果实验结果表明,在新冠肺炎患者肺部CT图数据集上,本文改进的模型相比于Faster R-CNN模型,召回率(recall)增加了7%,平均精度均值(mean average precision,mAP)增加了3.9%,传输率(frames per second,FPS)由5帧/s提升至9帧/s。特征金字塔网络的引入明显提升了模型的召回率与m AP指标,基于位置映射的RPN显著提升了模型的检测速度。与其他最新改进的目标检测模型相比,本文改进的模型保持了双阶段目标检测模型的高精度,并拉近了与单阶段目标检测模型在检测速度指标上的距离。结论本文改进的模型能够有效检测到患者肺部CT图的磨玻璃密度影目标区域,对小尺寸目标同样适用,可以快速有效地为医生提供辅助诊断。 展开更多
关键词 新型冠状病毒肺炎(COVID-19) 磨玻璃密度影 Faster R-CNN 特征金字塔网络(FPN) 区域候选网络(rpn) 残差神经网络(ResNet)
原文传递
一种可变锚框候选区域网络的目标检测方法 被引量:6
13
作者 李承昊 茹乐 +1 位作者 何林远 迟文升 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2020年第8期1610-1617,共8页
目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经... 目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导(AG)模块,通过对候选区域网络(RPN)的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制(NMS)算法存在的误检和漏检的问题,提出了一种置信度因子的NMS(Cf-NMS)算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。 展开更多
关键词 计算机视觉 目标检测 深度学习 候选区域网络(rpn) 非极大值抑制(NMS)
下载PDF
基于改进Faster RCNN的微操作空间目标检测算法 被引量:1
14
作者 陈国良 庞裕双 《传感器与微系统》 CSCD 北大核心 2024年第3期144-147,151,共5页
将Faster RCNN引入微操作系统的目标检测之中。针对微操作空间下待检测目标存在尺度变化和在显微镜放大倍数较小时,待检测目标尺度过小、特征不明显的问题,提出了一种基于改进Faster RCNN的微操作空间目标检测算法。使用在图像分类任务... 将Faster RCNN引入微操作系统的目标检测之中。针对微操作空间下待检测目标存在尺度变化和在显微镜放大倍数较小时,待检测目标尺度过小、特征不明显的问题,提出了一种基于改进Faster RCNN的微操作空间目标检测算法。使用在图像分类任务中性能优越的深度残差网络提取图像的特征。引入递归特征金字塔网络,对特征进行融合。改进区域建议网络的采样策略,对损失函数进行优化。实验结果表明:这种改进的Faster RCNN算法能有效解决由于目标尺度变化和目标尺度过小带来的问题。相比通用的目标检测算法,该算法的准确度更高,速度更快,具有实际应用价值。 展开更多
关键词 微操作空间 目标检测 特征提取 局域建议网络采样策略 损失函数优化
下载PDF
基于孪生神经网络的目标跟踪算法进展研究 被引量:4
15
作者 金国栋 薛远亮 +1 位作者 谭力宁 许剑锟 《系统工程与电子技术》 EI CSCD 北大核心 2022年第6期1805-1822,共18页
目标跟踪作为计算机视觉领域的关键课题,广泛应用在智能视频监控等领域。随着深度学习的迅速发展,基于孪生神经网络的跟踪算法(简称为孪生跟踪算法)因其速度和精度的平衡优势成为了主流算法。尽管已有大量研究,但仍缺乏从跟踪框架层面... 目标跟踪作为计算机视觉领域的关键课题,广泛应用在智能视频监控等领域。随着深度学习的迅速发展,基于孪生神经网络的跟踪算法(简称为孪生跟踪算法)因其速度和精度的平衡优势成为了主流算法。尽管已有大量研究,但仍缺乏从跟踪框架层面对孪生跟踪算法进行系统分析。为了梳理目前孪生跟踪算法的研究进展,首先介绍了孪生跟踪算法的常见挑战、主要组成、跟踪流程、常用数据集和评价指标;其次按照对跟踪框架的改进方向分为改进特征提取的算法、优化相似度计算的算法和优化跟踪结果的算法,并分别详细介绍;然后对20个主流跟踪算法进行测试与分析;最后总结目前孪生跟踪算法存在的问题以及对未来的研究方向。 展开更多
关键词 目标跟踪 深度学习 孪生神经网络 互相关运算 区域建议网络
下载PDF
Detection of ocean internal waves based on Faster R-CNN in SAR images 被引量:2
16
作者 BAO Sude MENG Junmin +1 位作者 SUN Lina LIU Yongxin 《Journal of Oceanology and Limnology》 SCIE CAS CSCD 2020年第1期55-63,共9页
Ocean internal waves appear as irregular bright and dark stripes on synthetic aperture radar(SAR)remote sensing images.Ocean internal waves detection in SAR images consequently constituted a difficult and popular rese... Ocean internal waves appear as irregular bright and dark stripes on synthetic aperture radar(SAR)remote sensing images.Ocean internal waves detection in SAR images consequently constituted a difficult and popular research topic.In this paper,ocean internal waves are detected in SAR images by employing the faster regions with convolutional neural network features(Faster R-CNN)framework;for this purpose,888 internal wave samples are utilized to train the convolutional network and identify internal waves.The experimental results demonstrate a 94.78%recognition rate for internal waves,and the average detection speed is 0.22 s/image.In addition,the detection results of internal wave samples under different conditions are analyzed.This paper lays a foundation for detecting ocean internal waves using convolutional neural networks. 展开更多
关键词 ocean internal waves FASTER regions with convolutional NEURAL network features (Faster R-CNN) convolutional NEURAL network synthetic APERTURE radar (SAR) image region proposal network (rpn)
下载PDF
融合注意力机制的输电部件及缺陷检测模型 被引量:1
17
作者 高伟 董云云 +1 位作者 刘军 张兴忠 《计算机工程与设计》 北大核心 2023年第3期929-936,共8页
针对输电线路的多目标识别和缺陷检测中的错检和漏检等问题,提出SE-Faster RCNN模型。在Faster RCNN模型的基础上,将SENet模块嵌入到ResNet模型中,提取关键特征;优化候选框的生成方案;提出基于面积的非极大值抑制算法。通过微调U-Net模... 针对输电线路的多目标识别和缺陷检测中的错检和漏检等问题,提出SE-Faster RCNN模型。在Faster RCNN模型的基础上,将SENet模块嵌入到ResNet模型中,提取关键特征;优化候选框的生成方案;提出基于面积的非极大值抑制算法。通过微调U-Net模型的数据增广方法,构建样本量为23327的数据集,达到91.37%的检测mAP。实验结果表明,提出模型满足输电线路多目标识别和故障检测的鲁棒性和准确性要求。 展开更多
关键词 SENet模块 Faster RCNN模型 基于面积的非极大值抑制(Aera-NMS)算法 无人机巡检 数据增广 SE-Faster RCNN模型 区域生成网络
下载PDF
基于有效感受野的区域推荐网络 被引量:3
18
作者 张绳昱 董士风 +2 位作者 焦林 王琦进 王红强 《模式识别与人工智能》 EI CSCD 北大核心 2020年第5期393-400,共8页
基于卷积神经网络的目标检测方法通过优化区域推荐达到较高的检测精度.由此,文中提出基于有效感受野的区域推荐网络.在区域推荐网络上引入基于有效感受野的样本匹配方法,强化基于交叠比的样本匹配规则,增强特征信息在区域推荐生成时的... 基于卷积神经网络的目标检测方法通过优化区域推荐达到较高的检测精度.由此,文中提出基于有效感受野的区域推荐网络.在区域推荐网络上引入基于有效感受野的样本匹配方法,强化基于交叠比的样本匹配规则,增强特征信息在区域推荐生成时的表征能力,减少锚定框和区域推荐数目,简化锚定框参数设置.结合快速区域的卷积神经网络检测器后,在Pascal VOC数据集上的检测精度有所提升,这表明文中方法是有效的. 展开更多
关键词 深度卷积网络 目标检测 区域推荐 有效感受野 区域推荐网络(rpn)
下载PDF
基于FasterMDNet的视频目标跟踪算法 被引量:3
19
作者 王玲 王辉 +1 位作者 王鹏 李岩芳 《计算机工程与应用》 CSCD 北大核心 2020年第14期123-130,共8页
多域卷积神经网络(MDNet)算法在卷积层采用选择性搜索的方式来提取候选框,因此它没有共享完整图像特征,从而导致在线视频目标跟踪速度慢。针对这个问题,提出一种快速多域卷积神经网络(FasterMDNet)视频目标跟踪算法。FasterMDNet是建立... 多域卷积神经网络(MDNet)算法在卷积层采用选择性搜索的方式来提取候选框,因此它没有共享完整图像特征,从而导致在线视频目标跟踪速度慢。针对这个问题,提出一种快速多域卷积神经网络(FasterMDNet)视频目标跟踪算法。FasterMDNet是建立在MDNet基础上的一种模型,在卷积层后面引入RPN(Region Proposal Network)网络,优化了损失函数,共享完整图像卷积特征,加快候选区域建议框(ROI)更高效的生成;为了更好地获得目标和背景信息表示,在RPN网络后加入ROIAlign层,对提取的候选区域建议框特征图用双线性插值方法来提高感受野的分辨率。该算法对目标跟踪基准数据集OTB2013、OTB2015、VOT2016进行了评估,并与前沿的跟踪算法做对比,实验结果证明,该算法跟踪准确率优于其他对比方法,并且对比相同实验环境下MDNet算法,在线跟踪速度提高了近12倍。 展开更多
关键词 多域卷积神经网络(MDNet) 快速多域卷积神经网络(FasterMDNet) 视频目标跟踪 区域建议网络(rpn) 候选区域建议框(ROI) ROIAlign
下载PDF
基于改进Faster RCNN的城市道路货车检测 被引量:2
20
作者 任杰 李钢 +2 位作者 赵燕姣 姚琼辛 田培辰 《计算机系统应用》 2022年第12期316-321,共6页
针对货车利用躲避摄像头等手段在城市道路中不按规定时间、规定线路行驶,使得车辆不能被准确识别的问题,提出基于改进Faster RCNN的城市道路货车检测方法.该方法以Faster RCNN为基础模型,通过对传入主干网络的车辆图片进行卷积和池化等... 针对货车利用躲避摄像头等手段在城市道路中不按规定时间、规定线路行驶,使得车辆不能被准确识别的问题,提出基于改进Faster RCNN的城市道路货车检测方法.该方法以Faster RCNN为基础模型,通过对传入主干网络的车辆图片进行卷积和池化等操作来提取特征,其中增加特征金字塔网络(FPN)提升对多尺度目标检测的精度;同时将K-means聚类算法应用在数据集上以获取新的锚点框;利用RPN(region proposal network)生成建议框;并使用CIoU(complete-IoU)损失函数代替原算法的smoothL1损失函数以提升检测车辆的精确性.实验结果显示,改进后的Faster RCNN相比原算法对货车检测的平均精度(AP)提高7.2%,召回率(recall)提高6.1%,减少了漏检的可能,在不同场景下具有良好的检测效果. 展开更多
关键词 Faster RCNN CIoU 特征金字塔网络 rpn 车辆检测
下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部