基于改进RPN深度网络的端到端的监控场景行人检测研究 被引量：5

1

作者 杨东明 徐士彪 +3 位作者 孟维亮 葛水英 杨真 张晓鹏 《中国体视学与图像分析》 2017年第2期209-215,共7页

监控场景下的行人检测相比其他场景,具有人流量大,遮挡程度高的特点。针对该场景,本文提出基于RPN深度网络的端到端检测方案。一方面改进了RPN深度网络,结合自行设计的深度卷积网络,获得了针对行人检测的深度网络。另一方面通过引入头... 监控场景下的行人检测相比其他场景,具有人流量大,遮挡程度高的特点。针对该场景,本文提出基于RPN深度网络的端到端检测方案。一方面改进了RPN深度网络,结合自行设计的深度卷积网络,获得了针对行人检测的深度网络。另一方面通过引入头肩模型进一步提高了针对该场景行人检测的检测性能,同时提升了检测实时性,最终实现了端到端检测。实验表明,本文方法有效提升了监控场景行人检测的检测性能和实时性,降低了检测漏检率。 展开更多

关键词 监控 行人检测 深度学习 rpn网络

原文传递

应用卷积神经网络与RPN的交通标志识别 被引量：13

2

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

在线阅读 下载PDF 职称材料

基于改进Faster-RCNN的起重机钢丝绳表面缺陷识别方法 被引量：1

3

作者 苏立鹏 娄益凡 +3 位作者 杨吴奔 高建貌 王雪迎 易灿灿 《机电工程》 北大核心 2025年第7期1341-1349,共9页

针对现有的起重机钢丝绳表面缺陷检测中存在的检测效率低、准确度差、鲁棒性有限等问题,提出了一种基于改进快速区域卷积神经网络(Faster-RCNN)的起重机钢丝绳表面缺陷识别检测方法,该方法结合多个关键技术,显著提升了钢丝绳表面缺陷识... 针对现有的起重机钢丝绳表面缺陷检测中存在的检测效率低、准确度差、鲁棒性有限等问题,提出了一种基于改进快速区域卷积神经网络(Faster-RCNN)的起重机钢丝绳表面缺陷识别检测方法,该方法结合多个关键技术,显著提升了钢丝绳表面缺陷识别的性能。首先,采用了多尺度策略提高输入图像的分辨率,从而更好地检测不同大小的缺陷;其次,在网络中引入了可变形卷积,以增强其捕捉传统卷积技术难以检测的钢丝绳缺陷复杂形状特征的能力;采用了路径增强技术融合低维和高维特征,有效解决了在下采样和特征融合过程中信息丢失的问题,极大提升了模型在各层之间保持关键信息的能力;最后,采用了广义交并比(GIOU)损失函数替代传统的交并比(IOU)损失函数,显著提高了边界框预测的准确性,验证了改进后的Faster-RCNN算法在起重机钢丝绳损伤检测的性能提升方面较为显著。研究结果表明:改进版Faster-RCNN模型相比原算法在精度上有了显著提高,准确率从81.8%提升至90.2%,召回率从83.8%提高至94.2%,最终平均精度达到0.934,提升了9.6%。与传统检测算法如SSD和原版YOLOv5相比,该方法的准确率分别提高了17.6%和11.0%,证明了其在钢丝绳损伤图像识别中的有效性。 展开更多

关键词 起重机械 损伤检测 改进的快速区域卷积神经网络 多尺度和自定义锚框策略 广义交并比损失函数 可变形卷积 路径增强特征金字塔 区域提议网络 消融实验

在线阅读 下载PDF 职称材料

结合RPN网络与SSD算法的遥感影像目标检测算法 被引量：13

4

作者 成喆 吕京国 +1 位作者 白颖奇 曹逸飞 《测绘科学》 CSCD 北大核心 2021年第4期75-82,99,共9页

利用传统方法对遥感影像的目标检测,过程复杂并且耗时。随着深度学习的发展,用深度学习的方法进行目标检测,为遥感影像的检测开辟了新的思路。当前目标检测的方法主要包括以Faster R-CNN为代表的两阶段检测算法和以SSD为代表的单阶段算... 利用传统方法对遥感影像的目标检测,过程复杂并且耗时。随着深度学习的发展,用深度学习的方法进行目标检测,为遥感影像的检测开辟了新的思路。当前目标检测的方法主要包括以Faster R-CNN为代表的两阶段检测算法和以SSD为代表的单阶段算法,两阶段算法精度高速度慢,单阶段算法速度快精度低。针对两种算法的优势,该文将Faster R-CNN中的RPN与SSD算法相结合,融合单阶段和两阶段算法的优势,在提高精度的情况下保证速度,并加入特征金字塔结构,利用多个卷积层融合低层特征和高层特征的信息,提高预测效果。在NWPUVHR-10高分辨率数据集上进行训练和测试,对结果进行算法评估。同时选用测试集将该文算法与Faster R-CNN和SSD算法进行对比,实验表明该文算法提高了对小目标物体的检测精度,获得了更优的性能。 展开更多

关键词 目标检测 深度学习 rpn网络 SSD算法 遥感影像

原文传递

孪生导向锚框RPN网络实时目标跟踪 被引量：12

5

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

一种用于单目标跟踪的锚框掩码孪生RPN模型 被引量：3

6

作者 李明杰 冯有前 +2 位作者 尹忠海 周诚 董方昊 《计算机工程》 CAS CSCD 北大核心 2019年第9期216-221,共6页

针对孪生区域候选网络(RPN)易受干扰且目标丢失后无法跟踪的问题,引入锚框掩码网络机制,设计一种新型孪生RPN模型。设置多尺度模板图片,并将其与目标图片进行卷积操作,实现全图检测以避免目标丢失。通过对前三帧图片的IOU热度图进行学习... 针对孪生区域候选网络(RPN)易受干扰且目标丢失后无法跟踪的问题,引入锚框掩码网络机制,设计一种新型孪生RPN模型。设置多尺度模板图片,并将其与目标图片进行卷积操作,实现全图检测以避免目标丢失。通过对前三帧图片的IOU热度图进行学习,预测连续帧目标锚框掩码,简化计算并排除其他目标干扰。在VOT2016和OTB100数据集中的实验结果显示,该模型对VOT2016数据集检测帧率达到24.6 frame/s,预期平均覆盖率为0.344 5,对OTB100数据集的检测准确率和成功率分别为0.862和0.642。基于摄像头采集数据的目标丢失及干扰测试表明,该模型具有良好的抗干扰性与实时性。 展开更多

关键词 孪生区域候选网络 锚框掩码 锚框掩码网络 多尺度变换 目标跟踪

在线阅读 下载PDF 职称材料

基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法 被引量：34

7

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

在线阅读 下载PDF 职称材料

基于RPN网络和改进LBP特征的充电口检测算法 被引量：2

8

作者 任朝东 张得礼 《计算机与现代化》 2021年第8期64-69,99,126,共8页

随着电动汽车在全球范围内的大规模推广,电动汽车自动化充电问题越来越受到人们的关注。自动化充电过程中最关键的步骤就是检测和识别充电插口,并完成充电插口与充电枪的对接和插拔。本文提出一种基于Faster-RCNN的充电插口检测识别算... 随着电动汽车在全球范围内的大规模推广,电动汽车自动化充电问题越来越受到人们的关注。自动化充电过程中最关键的步骤就是检测和识别充电插口,并完成充电插口与充电枪的对接和插拔。本文提出一种基于Faster-RCNN的充电插口检测识别算法。结合显著化图像对其中的RPN网络部分进行改进,将图像中的充电口区域显著化,用处理后的特征图像作为RPN网络的输入;设计一种多尺度MB-LBP特征与神经网络联合进行候选区域分类。基于Pytorch框架在自建的数据集上进行训练和测试,实验结果表明,本文所提出的算法能够满足工作场景需求,并且能够较好地应对光照条件变化以及尺度变化。 展开更多

关键词 rpn网络 LBP特征 神经网络 机器视觉 目标检测

在线阅读 下载PDF 职称材料

基于RPN-BN的平台-隔水管系统遇内波风险分析 被引量：1

9

作者 高美 陈国明 +1 位作者 刘康 胡东旭 《中国安全生产科学技术》 CAS CSCD 北大核心 2020年第4期25-30,共6页

为保障内孤立波作用下的深水半潜式钻井平台-隔水管系统的安全,同时解决海洋平台系统设备失效数据的缺失问题,提出1种风险优先系数(RPN)与贝叶斯(BN)结合的定量风险分析方法。首先,基于故障树和安全屏障方法,建立平台-隔水管系统Bow-ti... 为保障内孤立波作用下的深水半潜式钻井平台-隔水管系统的安全,同时解决海洋平台系统设备失效数据的缺失问题,提出1种风险优先系数(RPN)与贝叶斯(BN)结合的定量风险分析方法。首先,基于故障树和安全屏障方法,建立平台-隔水管系统Bow-tie模型和贝叶斯风险演化模型;其次,根据贝叶斯推断和风险优先系数中的事故发生频度估计,得到平台-隔水管系统失效事故的发生概率;最后,通过贝叶斯网络的逆向推理能力辨识内孤立波作用下引起平台-隔水管系统失效的主要风险节点,实现对平台-隔水管系统失效事故的定量风险分析。结果表明:RPN-BN法可应用于平台-隔水管系统遇内波的定量风险分析;加强对平台漂移量的控制,提高动力定位系统控制设备的可靠性可有效抵御内波对系统造成的影响。 展开更多

关键词 风险优先系数(rpn) Bow-tie模型 隔水管 平台-隔水管系统 贝叶斯网络

在线阅读 下载PDF 职称材料

基于增强RPN的孪生网络目标跟踪算法 被引量：1

10

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

在线阅读 下载PDF 职称材料

复杂背景下基于改进的Faster R-CNN杂草识别研究 被引量：1

11

作者 宋国翠 晏华成 +1 位作者 龙涛元 吴立鸿 《长江信息通信》 2024年第11期8-10,共3页

杂草是阻碍农业丰产的重要因素,如何快速准确识别杂草是智能除草的关键。为了提高杂草识别的准确性与实时性,将Faster R-CNN经典的目标检测模型用于杂草识别,选取不同土壤环境、不同杂草密度下的花生幼苗-杂草为试验对象,制作了PASCAL ... 杂草是阻碍农业丰产的重要因素,如何快速准确识别杂草是智能除草的关键。为了提高杂草识别的准确性与实时性,将Faster R-CNN经典的目标检测模型用于杂草识别,选取不同土壤环境、不同杂草密度下的花生幼苗-杂草为试验对象,制作了PASCAL VOC格式数据集,为了消除复杂背景对植物目标识别的影响,文章提出了采用分割背景用于改进Faster R-CNN中RPN网络的分类层。为了验证该方法的有效性,该研究采用VGG-16为特征提取网络,对比原模型,引入分割背景,提高前景注意力机制后的花生苗-杂草识别模型的mAP提高了0.203。试验结果表明:所提方法对复杂背景下花生苗-杂草识别有较好的检测效果,可为实时精准除草提供参考。 展开更多

关键词 杂草识别 Faster R-CNN rpn网络 背景分割

在线阅读 下载PDF 职称材料

基于改进Faster RCNN的微操作空间目标检测算法 被引量：3

12

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

在线阅读 下载PDF 职称材料

基于改进区域提议网络和特征聚合小样本目标检测方法

13

作者 付可意 王高才 邬满 《计算机应用》 CSCD 北大核心 2024年第12期3790-3797,共8页

在现有的小样本目标检测中,区域提议网络(RPN)通常是在基类数据上训练以生成新类候选框;然而新类数据相较于基类更稀缺,在引入时可能产生与目标物不同的复杂背景,导致RPN将背景误认为前景,遗漏高交并比(IoU)值候选框。针对上述问题,提... 在现有的小样本目标检测中,区域提议网络(RPN)通常是在基类数据上训练以生成新类候选框;然而新类数据相较于基类更稀缺,在引入时可能产生与目标物不同的复杂背景,导致RPN将背景误认为前景,遗漏高交并比(IoU)值候选框。针对上述问题,提出一种基于改进RPN和特征聚合小样本目标检测方法(IFA-FSOD)。首先,基于RPN进行改进,即通过在RPN中设计一个基于度量的非线性分类器,计算骨干网络提取的特征和新类特征之间的相似度,以提高对新类候选框的召回率,从而筛选高IoU候选框;其次,在感兴趣区域对齐(RoI Align)中引入基于注意力机制的特征聚合模块(FAM),并通过设计不同尺度的网格,获取更全面的信息和特征表示,从而缓解因尺度不同引起的特征信息缺失。实验结果表明,相较于QA-FewDet(Query Adaptive Few-shot object Detection)方法,IFA-FSOD方法在PASCAL VOC数据集的新类上的Novel Set 3中的10-shot下的新类别平均精度(50%IoU)(nAP50)提升了4.5个百分点;相较于FsDetView(Few-shot object Detection and Viewpoint estimation)方法,在10-shot和30-shot设置下,IFA-FSOD方法在COCO数据集的新类上的平均精度均值(mAP)分别提升了0.2和0.8个百分点。可见改进RPN和特征聚合(IFA)能有效提高在小样本情况下对目标类别的检测性能,并解决高IoU值候选框遗漏和特征信息捕捉不全的问题。 展开更多

关键词 小样本目标检测 基于度量 区域提议网络 非线性分类器 特征聚合

在线阅读 下载PDF 职称材料

融合LoG特征的凸焊螺母检测算法

14

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)

在线阅读 下载PDF 职称材料

一种面向自动驾驶路况的目标检测算法

15

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)

在线阅读 下载PDF 职称材料

深度学习的多尺度多人目标检测方法研究 被引量：11

16

作者 刘云 钱美伊 +1 位作者 李辉 王传旭 《计算机工程与应用》 CSCD 北大核心 2020年第6期172-179,共8页

深度学习具有自主学习目标特征、识别率高、鲁棒性强等优点,当前基于深度学习的人体目标检测方法不能有效地适应目标的尺度变化。针对上述问题,提出多尺度多人的目标检测方法,将FPN特征金字塔分别与Faster R-CNN网络的两个阶段结合,同时... 深度学习具有自主学习目标特征、识别率高、鲁棒性强等优点,当前基于深度学习的人体目标检测方法不能有效地适应目标的尺度变化。针对上述问题,提出多尺度多人的目标检测方法,将FPN特征金字塔分别与Faster R-CNN网络的两个阶段结合,同时,平衡RPN阶段产生的正负锚点的数量比例,并采用了更适合的锚点纵横比,对原始网络进行了一系列的优化。在标准数据集PETS 2009、Caltech和INRIA上的实验结果表明,提出的检测方法性能优于主流深度学习目标检测算法。 展开更多

关键词 深度学习 多尺度多人目标检测 Faster R-CNN网络 FPN网络 rpn网络 锚点

在线阅读 下载PDF 职称材料

基于深度学习利用特征图加权融合的目标检测方法 被引量：10

17

作者 张世辉 王红蕾 +4 位作者 陈宇翔 刘新焕 张健 何欢 任卫东 《计量学报》 CSCD 北大核心 2020年第11期1344-1351,共8页

为了提高目标检测的准确性,提出了一种基于深度学习利用特征图加权融合实现目标检测的方法。首先,提出将卷积神经网络中的浅层特征图采样后与最深层特征图进行加权融合的思想;其次,根据所提的特征图加权融合思想以及卷积神经网络的具体... 为了提高目标检测的准确性,提出了一种基于深度学习利用特征图加权融合实现目标检测的方法。首先,提出将卷积神经网络中的浅层特征图采样后与最深层特征图进行加权融合的思想;其次,根据所提的特征图加权融合思想以及卷积神经网络的具体结构,制定相应的特征图加权融合方案,并由该方案得到新特征图;然后,提出改进的RPN网络,并将新特征图输入到改进的RPN网络得到区域建议;最后,将新特征图和区域建议输入到后续网络层完成目标检测。实验结果表明所提方法取得了更高的目标检测精度以及更好的目标检测效果。 展开更多

关键词 计量学 目标检测 视觉测量 深度学习 特征图加权融合 改进的rpn网络

在线阅读 下载PDF 职称材料

基于改进Faster R-CNN的小尺度行人检测 被引量：22

18

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

在线阅读 下载PDF 职称材料

基于多层上下文卷积神经网络的目标检测算法 被引量：11

19

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

在线阅读 下载PDF 职称材料

一种实用的互联网络RP_n(k)及其路由算法 被引量：1

20

作者 邢长明 杨林 刘方爱 《计算机应用研究》 CSCD 北大核心 2011年第6期2310-2312,2316,共4页

基于环的简单扩展性和Petersen图的短直径,提出了一类新型互联网络RPn(k),研究了该互联网络的性质,它不但具有正则性和良好的可扩展性,还具有比RP(k)互联网络更短的网络直径、更好的可分组性以及更小的网络构造开销。讨论了RPn(k)网络... 基于环的简单扩展性和Petersen图的短直径,提出了一类新型互联网络RPn(k),研究了该互联网络的性质,它不但具有正则性和良好的可扩展性,还具有比RP(k)互联网络更短的网络直径、更好的可分组性以及更小的网络构造开销。讨论了RPn(k)网络的路由问题,给出了点点路由算法,其通信效率为[k/2]+2n个时间步。在节点个数相同时,RPn(k)比RP(k)网络上的路由算法的通信效率有明显提高。 展开更多

关键词 互联网络 rpn(k) 环 PETERSEN图 路由算法

在线阅读 下载PDF 职称材料