基于随机森林的精确目标检测方法

被引：10

作者：

向涛 ^{[1
]}

李涛 ^{[1
,2
]}

赵雪专 ^{[3
]}

李旭冬 ^{[1
]}

机构：

[1] 电子科技大学计算机科学与工程学院

[2] 河南广播电视大学信息工程系

[3] 中国科学院成都计算机应用研究所

来源：

计算机应用研究 | 2016年 / 33卷 / 09期

关键词：

随机森林; 决策树; 目标检测; 长宽比; Boosting算法;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对复杂场景中目标检测精确度过低的问题,基于随机森林算法提出一种能适应由姿态、视角和形状引起外观变化的目标检测方法,同时还能有效预测最佳检测框大小,使其与真实目标区域有很高的重叠度。首先,提出一种基于图像块多维特征的树节点分裂函数;然后利用Boosting算法逐层生成树,使得每次分裂中错分样本更受关注;最后,扩展了随机森林输入输出空间,使其在分类同时还可预测目标检测框的最优长宽比。实验结果表明,该方法在不增加时间开销的同时提高了检测的精确度,对森林中树生成算法的改进提升了分类性能,对森林输出空间的扩展使得目标检测框与真实目标区域有更高的重叠率。

引用

页码：2837 / 2840

页数：4

共 4 条

[1] 基于随机森林的层次行人检测算法 [J].

向涛 ;

李涛 ;

李旭冬 ;

李冬梅 .

计算机应用研究, 2015, 32 (07) :2196-2199

[2]

Robust Object Detection with Interleaved Categorization and Segmentation[J] . International Journal of Computer Vision . 2008 (1)

[3] Robust real-time face detection [J].

Viola, P ;

Jones, MJ .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 57 (02) :137-154

[4]

Greedy Function Approximation: A Gradient Boosting Machine[J] . Jerome H. Friedman.The Annals of Statistics . 2001 (5)

← 1 →