10.3969/j.issn.1673-629X.2018.10.005
基于模糊深度学习网络的行人检测方法
行人检测已经成为机器视觉研究的重要组成部分之一.深度置信网络(deep belief networks,DBN)优秀的学习能力保证了其学习得到的目标特征更加有效,有利于实现目标的准确检测.但是传统的深度置信网络模型对整体的目标进行处理,训练时间长,同时需要将所有的样本都进行预先正确的标注,这些都限制了深度置信网络的进一步发展.对此,文中提出了一种基于多特征的模糊深度置信网络的方法,该方法将经典的深度置信网络与模糊集的理论相结合,融合方向直方图特征对复杂背景下的行人进行检测识别处理.在静态行人检测库INRIA的测试结果表明,该方法在一定程度上减少了训练时间,同时也提高了行人检测的准确率.
机器视觉、多特征、模糊集、深度置信网络、行人检测
28
TP301(计算技术、计算机技术)
中央引导地方科技发展专项20175000702
2018-10-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
22-26