基于改进YOLOv3的人体行为检测
针对人体行为检测中相同行为差异大, 不同行为相似度高, 以及视觉角度、遮挡、不能实时检测等问题, 提出Hierarchical Bilinear-YOLOv3人体行为检测网络. 该网络采用YOLOv3在3个不同尺度上进行预测, 抽取YOLOv3金字塔特征提取网络中特定层作为Hierarchical Bilinear的输入, 捕获特征图的层间局部特征关系, 并在3个不同尺度上进行预测, 最后将YOLOv3和Hierarchical Bilinear两种预测结果融合. 实验结果显示, 改进后的模型相比于原网络仅增加了少量参数, 在保证检测效率的同时提高原算法的检测精度, 并在一定程度上优于当前行为检测算法.
人体行为检测、YOLOv3算法、Hierarchical Bilinear-YOLOv3网络、特征提取
30
TP391.41;TM71;U491.112
成都市科技局项目2018-YF05-01424-GX
2021-06-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
197-202