10.16526/j.cnki.11-4762/tp.2018.11.060
油田安防领域基于改进的深度残差网络行人检测模型
油田安防中行人目标检测是是当今前沿的一个热门研究课题;针对野外场景采集的图像视频分辨率低,背景复杂等问题,提出了一种基于单次多目标检测器(Single Shot MuhiBox Detector,SSD)模型的改进行人检测算法,该算法首先利用聚合通道特征模型对图像或者视频序列进行进行预处理,获得疑似目标区域,大大降低单帧图像检测的时间;然后对SSD的基本网络VGG-16替换为Resnet-50,通过增加恒等映射解决网络层数加深但检测精度下降的问题;最后采用强大而灵活的双参数损失函数来优化训练深度网络,提高网路模型的泛化能力;定性定量实验结果表明本文所提检测算法的性能超过现有的检测算法,在保证行人检测准确率的同时提高检测效率.
行人检测、深度学习、损失函数、恒等映射、聚合通道特征
26
TP3(计算技术、计算机技术)
2018-12-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
277-280,284