基于改进HOG和SVM的苹果多目标检测方法
针对传统算法在自然环境下对小果实目标识别能力差,检测模型识别精度低的问题,提出了一种基于改进方向梯度直方图(HOG)和支持向量机(SVM)的苹果检测算法.该方法采用HOG算法提取苹果目标形状以及纹理的浅层特征,在特征提取部分加入Focus+CSP级联模块进行深层特征提取.同时引入特征金字塔(FPN)获取多尺度特征图并与HOG特征融合,获得更多小分辨率的信息,加强检测效率.最后对SVM进行训练,获得苹果检测分类器,在预测过程加入非极大值抑制输出预测值高的检测图.通过实验得到算法的识别准确率平均值达到90.46%,与原始HOG+SVM算法相比准确率提高了 8.54%.证明了训练好的苹果分类器可以在复杂环境下准确地进行苹果检测.
苹果检测、HOG+SVM、级联模块、卷积神经网络
41
TP391.4(计算技术、计算机技术)
山西省重点研发计划项目201903D221018
2023-02-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
154-159