基于CapsNet的行人检测方法及评价

摘要：

为了提高道路环境中行人目标检测的准确率,改善现有检测算法对不同环境视角下漏检率较高、耗时过长、实用性较差等问题,本文提出了一种基于CapsNet的行人检测模型.CapsNet由神经元所构成的Capsule组成,通过动态路由协议对物体的实例化参数进行表达和传递,保留了各特征对象间的空间层级,采用Caltech公开数据库对所提算法的有效性进行验证,并在检测准确率及算法耗时等方面与其他算法进行对比.实验结果表明:相比于其他主流检测算法,本文算法在确保检测效率的前提下,对数平均漏检率最低可降至9.17％;且在Caltech、INRIA和NICTA数据集的交叉验证实验中,也能达到良好的检测效果,具有较好的鲁棒性和泛化能力.

关键词：智能交通、行人检测、CapsNet、机器视觉、深度学习

所属期刊栏目：19

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划/National Key Research and Development Program of China2016YFB0100905;重庆市科技人才培养计划/Chongqing Science and Technology Talent Training Programcstc2013kjrc-qnrc0148

在线出版日期：2019-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：54-61