期刊专题

10.3778/j.issn.1002-8331.1902-0004

基于候选区域和并行卷积神经网络的行人检测

引用
针对行人在部分自然场景图像中所占比例较小(以下简称小目标),提取的特征容易丢失,检测准确率低的问题,提出基于候选区域和并行卷积神经网络(Parallel Convolutional Neural Network,PCNN)的行人检测方法.对于候选区域提取部分,改进了选择性搜索,使其更符合行人这一类别的候选区域提取;利用Edge Boxes对选择性搜索提取的大量预候选区域进行过滤,最终得到数量少、质量高的候选区域.在利用卷积神经网络(Convolutional Neural Network,CNN)进行特征提取时,针对深层卷积神经网络能够提取到更丰富更抽象的高层特征,但同时对于小目标容易造成特征丢失的问题,加入浅层网络组成并行卷积神经网络(Parallel Convolutional Neural Network, PCNN)提取深、浅层特征输出.最后将所提方法应用于行人检测,实验结果表明,所提方法对于小目标的检测准确率有较好的提升.

卷积神经网络(CNN)、行人检测、选择性搜索、Edge Boxes、特征提取

55

TP391(计算技术、计算机技术)

科学技术部国家重点研发计划2018YFC1900801,11041001201801;国家自然科学基金61873009;北京市自然科学基金4192009

2019-12-04(万方平台首次上网日期,不代表论文的发表时间)

共9页

91-98,162

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

55

2019,55(22)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn