10.3778/j.issn.1673-9418.2005001
Norm-DP模型行人检测优化算法
传统深度金字塔模型作为一种有效的行人检测算法备受关注,融合可变形部件模型和卷积神经网络模型,但特征提取部分使用的算法像素区域的大小不同,导致模型之间不能完全融合,在行人数量多、姿势复杂和有遮挡情况时的检测效果不理想.因此,提出一种基于规范化函数的深度金字塔模型(Norm-DP)算法,使用规范化函数融合可变形部件模型和卷积神经网络模型,直接从金字塔特征中提取正负样本,使用隐变量支持向量机进行模型训练,结合柔性非最大抑制(soft-NMS)算法和边界框回归(BBR)算法对定位框进行优化.分别使用INRIA和MS COCO数据集进行实验验证,在行人数量多、姿势复杂和有遮挡情况时,检测精度高于最优的可变形部件模型算法、卷积神经网络算法、深度金字塔模型算法和结合区域选择的卷积神经网络算法.
卷积神经网络(CNN)、可变形部件模型算法、规范化深度金字塔(Norm-DP)、柔性非最大抑制(Soft-NMS)、边界框回归(BBR)
15
TP391.41(计算技术、计算机技术)
国家自然科学基金;内蒙古自治区自然科学基金
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
545-552