基于深度学习的高分辨率图像的智能检测

摘要：

针对高分辨率图像下目标所占面积小,检测效果较低、实时性较差的问题.提出了一种基于LDCF-ResNet50的深度学习模型检测方法.以行人检测为例说明此方法的有效性.首先基于局部无关通道特征的预测提议区域,对行人潜在区域粗检测.然后,设计候选区域合并和扩展方法,将合并后的区域用于后面的ResNet-50神经网络.其次,设计了一个合适的ResNet-50网络,用于精确检测该区域.最后将ResNet-50网络的检测结果映射到原始图像中,输出检测结果.为了验证本文所提方法的有效性,在清华-戴姆勒数据库平台上对高分辨率图像进行实验验证.实验结果表明,所提出方法能够有效地检测行人.与主流的算法(包括Faster R-CNN,YOLOv3和SSD)相比,本文方法对行人检测的平均精度分别提高了4.07％、17.79％和31.45％.

关键词：高分辨率;行人检测;深度学习;LDCF-ResNet50方法

所属期刊栏目：21

分类号：TP242(自动化技术及设备)

资助基金：天津市企业科技特派员项目;天津市重点研发项目

在线出版日期：2021-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8079-8085