深度学习的多尺度多人目标检测方法研究

被引：11

作者：

刘云

钱美伊

李辉

王传旭

机构：

[1] 不详

[2] 青岛科技大学信息科学技术学院

[3] 不详

来源：

计算机工程与应用 | 2020年 / 06期

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;

D O I：

暂无

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

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。

引用

页码：172 / 179

页数：8

共 8 条

[1] 协同视觉显著性检测方法综述
钱晓亮
白臻
陈渊
张鼎文
史坤峰
王芳
吴青娥
毋媛媛
王慰
[J]. 电子学报, 2019, 47 (06) : 1352 - 1365
[2] 基于深度融合的显著性目标检测算法
张冬明
靳国庆
代锋
袁庆升
包秀国
张勇东
[J]. 计算机学报, 2019, 42 (09) : 2076 - 2086
[3] 基于改进SSD的高效目标检测方法
王文光
李强
林茂松
贺贤珍
[J]. 计算机工程与应用, 2019, (13) : 28 - 35
[4] 多尺度卷积特征融合的SSD目标检测算法
陈幻杰
王琦琦
杨国威
韩佳林
尹成娟
陈隽
王以忠
[J]. 计算机科学与探索, 2019, 13 (06) : 1049 - 1061
[5] 基于多特征融合的显著性目标检测算法
张守东
杨明
胡太
[J]. 计算机科学与探索, 2019, (05) : 834 - 845
[6] 改进的Faster RCNN煤矿井下行人检测算法
李伟山
卫晨
王琳
[J]. 计算机工程与应用, 2019, 55 (04) : 200 - 207
[7] Human detection from images and videos: A survey[J] . Duc Thanh Nguyen,Wanqing Li,Philip O. Ogunbona.Pattern Recognition . 2016
[8] The Pascal Visual Object Classes Challenge: A Retrospective[J] . Mark Everingham,S. M. Ali Eslami,Luc Gool,Christopher K. I. Williams,John Winn,Andrew Zisserman.International Journal of Computer Vision . 2015 (1)

← 1 →