数学的实践与认识

2018, v.48(16) 201-206

[打印本页] [关闭]
本期目录 | 过刊浏览 | 高级检索

基于区域推荐和深度卷积网络的交通目标检测
Traffic Target Detection with Region Propsal-based Deep Convolution Neural Network

李娟;强赞霞;杨关;崔春生;

摘要(Abstract):

为解决传统目标检测算法需要人工设定目标特征、使用滑动窗法判断目标可能区域耗时等问题,将基于区域推荐和深度卷积网络用于交通目标检测,直接从原始图像提取特征,免去了人工选取特征的环节;解决了滑动窗口法耗时的问题.首先采用Selective Search方法在源图像上生成大量的候选区域,以这些候选区域作为输入样本,训练深度卷积网络学习算法,自动进行特征提取,对每个候选区提取的特征采用SVM分类器进行分类,最后基于贪婪非极大值抑制方法精修候选框的位置.此算法通过matlab编程分别对单目标、多目标及多类交通目标进行检测实验,证明了所提方法的可行性和有效性.

关键词(KeyWords): 目标检测;深度学习;卷积网络;支持向量机;非极大值抑制

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目:基于概率图模型的图像分割方法研究(u1404606);; 河南省科技攻关项目:无人驾驶车智能感知关键技术研究(182102210126);基于深度学习的无人驾驶在城市建设中的模式研究(182102310904);结合图模型和深度学习的图像处理关键技术研究(172102210587);深度学习在视觉目标检测中的关键技术研究(152102210360)

作者(Author): 李娟;强赞霞;杨关;崔春生;

Email:

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享