基于SVR模型的自适应区域池化物体检测方法

摘要：

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.

关键词：区域池化、自适应、支持向量回归、非极大值抑制法、分类

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：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

在线出版日期：2017-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2804-2808