-
题名新型DRNet结合EIoU的遮挡目标分割模型
- 1
-
-
作者
陈丹
令陈佩
刘瑞瑜
-
机构
福州大学电气工程与自动化学院
福州大学梅努斯国际工程学院
-
出处
《电子测量与仪器学报》
北大核心
2025年第8期209-217,共9页
-
基金
国家自然科学基金(61973085)
福建省自然科学基金(2022J01114)项目资助。
-
文摘
实例分割是计算机视觉领域的重要研究方向,但由于遮挡问题的存在,使得该任务仍然没有得到充分探索。针对目前算法对遮挡物体的分割检测效果不佳,容易出现误检漏检问题,在Mask R-CNN框架基础上,提出一种新型双向残差网络(DRNet)结合EIoU的遮挡目标分割模型。首先,提出一种DRNet代替原有ResNet网络,使用更少的BN层和ReLU层取代传统Conv-BN-ReLU结构,利用传统卷积和深度可分离卷积串行连接增强图像感受野特征,通过跳跃连接减轻网络随深度增加出现退化问题,提升网络表征能力;其次,使用CEIoU NMS算法代替原有NMS算法,通过聚类思想有效处理重叠边界框抑制问题,引入EIoU评估指标增加边界框几何信息,更加精准地描述边界框之间的相似程度,减少网络对遮挡物体边界框的错误抑制;最后,使用EIoU损失替换原有Smooth L1损失,加速网络收敛速度,提升边界框检测精度。在公共COCO 2017数据集上进行预训练,再在不同程度的遮挡数据集上进行实验。实验结果表明,相比较于原网络,所提分割算法在COCO 2017数据集上Box AP和Mask AP分别提升了1.7%和1.3%;在遮挡数据集上对遮挡物体边界框检测精度和掩码分割精度均有明显提升,证实该方法对遮挡物体分割的有效性。
-
关键词
遮挡物体
实例分割
drnet
Cluster
EIoU
NMS
EIoU损失
-
Keywords
occluded objects
instance segmentation
drnet
CEIoU NMS
EIoU loss
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TN911.73
[电子电信—通信与信息系统]
-
-
题名基于深度学习的人脸识别系统设计与实现
被引量：3
- 2
-
-
作者
陈帅男
贾开吉
侯福鸽
-
机构
河北科技大学
[
-
出处
《空天预警研究学报》
CSCD
2024年第3期189-195,共7页
-
文摘
为了解决传统人脸识别方法在准确性和鲁棒性方面的不足,研究设计并实现了一种新型基于深度学习的人脸识别系统.该系统由人脸检测、预处理、特征表征和识别四个主要模块构成.采用深度卷积神经网络结合FaceNet模型和DRNet结构,优化了特征提取和空间嵌入;通过三元组损失函数,提高了识别的精度.实验结果表明,在公认的LFW数据集上,系统达到了99.71%的平均识别准确率.此外,通过量化和剪枝技术,系统在保持实时高准确性处理的同时,实现了较低的计算复杂度和内存需求.
-
关键词
深度学习
人脸识别
人脸检测
FaceNet模型
drnet架构
-
Keywords
deep learning
face recognition
face detection
FaceNet model
drnet architecture
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
