10.16208/j.issn1000-7024.2017.10.038
基于SVR模型的自适应区域池化物体检测方法
针对物体检测容易受外形、视觉等可变性影响的问题,提出一种利用支持向量回归(SVR)模型的区域池化检测方法,即自适应区域池化方法,该方法适用于分割区域,能自动发现不同的实例和图像块.生成区域方案,每种样本的方案都由不同颜色的边界框表示;利用区域池化法提取特征,解析区域结构;分类数据采用非极大值抑制法得到检测结果.实验结果验证了提出方法的有效性,与其它同类方法相比,该方法对物体检测的性能明显提升,其中平均召回率达到了90.8%,加入CNN特征,性能提升幅度更大.
区域池化、自适应、支持向量回归、非极大值抑制法、分类
38
TP391(计算技术、计算机技术)
国家自然科学基金项目60974016;江苏省自然科学基金项目BK20131097;江苏高校品牌专业建设工程基金项目PPZY2015C239
2017-12-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
2804-2808