基于深度卷积神经网络特征层融合的小尺度行人检测OACSTPCD
Small Scale Pedestrian Detection Based on Feature Layers Fusion of Deep Convolutional Neural Network
针对目前行人检测算法计算量过大和对小尺度行人检测精度不高的问题,提出了一种基于深度卷积神经网络特征层融合的小尺度行人检测方法,设计了一种包含9个卷积层的深度神经网络架构.在进行行人检测时,首先,对输入图像进行分块预处理操作,避免损失原始图像的视觉信息;然后,将网络不同层的卷积特征进行融合,提升行人特征的区分能力和表达能力,进而提升行人检测的精度,在保证检测精度的同时有效降低网络的复杂度.在INRIA、Caltech等公共行人数据集上的实验结果表明…查看全部>>
卓力;张时雨;寇墨林;闫璞;张辉
北京工业大学信息学部,北京 100124北京工业大学信息学部,北京 100124北京工业大学信息学部,北京 100124北京工业大学信息学部,北京 100124北京工业大学信息学部,北京 100124
信息技术与安全科学
深度学习行人检测卷积神经网络轻量化模型
《测控技术》 2021 (2)
基于时空特征深度学习的无约束场景视觉目标跟踪研究
42-47,52,7
北京市自然科学基金-市教委联合资助项目(KZ201810005002)国家自然科学基金(61602018)国家自然科学基金重点项目(61531006)
评论