本文關(guān)鍵詞：改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)行人檢測(cè)方法　出處：《計(jì)算機(jī)應(yīng)用》2017年06期 　論文類型：期刊論文

  更多相關(guān)文章： 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 圖像分類 行人檢測(cè)

【摘要】：為了在行人檢測(cè)任務(wù)中使卷積神經(jīng)網(wǎng)絡(luò)(CNN)選擇出更優(yōu)模型并獲得定位更準(zhǔn)確的檢測(cè)框,提出一種改進(jìn)的基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)方法。改進(jìn)主要涉及兩個(gè)方面:如何決定CNN樣本迭代學(xué)習(xí)次數(shù)和如何進(jìn)行重合窗口的合并。首先,關(guān)于CNN樣本迭代次序問題,在順序迭代訓(xùn)練多個(gè)CNN分類模型的基礎(chǔ)上,提出一種基于校驗(yàn)集正確率及其在迭代系列分類器中展現(xiàn)出的穩(wěn)定性進(jìn)行更優(yōu)模型選擇的策略,以使最終選擇的分類器推廣能力更優(yōu)。其次,提出了一種不同于非極大值抑制(NMS)的多個(gè)精確定位回歸框合并機(jī)制。精確定位回歸框的獲取以CNN檢測(cè)過程輸出的粗定位框作為輸入。然后,對(duì)每個(gè)粗定位框應(yīng)用CNN精確定位過程并獲得對(duì)應(yīng)的精確定位回歸框。最后,對(duì)多個(gè)精確定位回歸框進(jìn)行合并,合并過程考慮了每個(gè)精確定位回歸框的正確概率。更精確地說,最終的合并窗口是基于多個(gè)相關(guān)的精確定位回歸框的概率加權(quán)求和方式獲得。針對(duì)提出的兩個(gè)改進(jìn),在國(guó)際上廣泛使用的行人檢測(cè)公共測(cè)試數(shù)據(jù)集ETH上進(jìn)行了一系列實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,所提的兩個(gè)改進(jìn)方法均能有效地提高系統(tǒng)的檢測(cè)性能,在相同的測(cè)試條件下,融合兩個(gè)改進(jìn)的方法相比Fast R-CNN算法檢測(cè)性能提升了5.06個(gè)百分點(diǎn)。
[Abstract]:In order to make the convolutional neural network (CNN) select a better model and obtain a more accurate detection frame in pedestrian detection task. An improved pedestrian detection method based on convolution neural network is proposed. The improvement mainly involves two aspects: how to determine the number of CNN sample iterative learning and how to combine the overlap window. For the iterative order of CNN samples, several CNN classification models are trained by sequential iteration. A better model selection strategy based on the correct rate of check set and its stability in iterative series classifier is proposed in order to improve the generalization ability of the final selected classifier. Secondly. A combination mechanism of multiple precise location regression frames is proposed, which is different from that of non-maximum value suppression (NMSs). The acquisition of accurate location regression frames is based on the coarse positioning boxes output from the CNN detection process. Then. The CNN precise positioning process is applied to each coarse positioning frame and the corresponding precise positioning regression box is obtained. Finally, multiple accurate positioning regression boxes are merged. The merging process takes into account the correct probability of each exact location regression box. The final merge window is based on multiple correlation precise location regression box probability weighted summation. Two improvements are proposed. A series of experiments have been carried out on the common test data set of pedestrian detection in the world. The experimental results show that the proposed two improved methods can effectively improve the detection performance of the system. Under the same test conditions, the performance of the two improved methods is 5.06% higher than that of the Fast R-CNN algorithm.
【作者單位】： 江蘇省大數(shù)據(jù)分析技術(shù)重點(diǎn)實(shí)驗(yàn)室(南京信息工程大學(xué));大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61300163)~~
【分類號(hào)】：TP183;TP391.41
【正文快照】： 0引言人是各類社會(huì)活動(dòng)的中心,在各種現(xiàn)實(shí)場(chǎng)景中,人都是最為重要的關(guān)注對(duì)象,如行人過馬路、車站安檢等。人體目標(biāo)檢測(cè)作為一種特定物體檢測(cè),是車輛輔助駕駛、智能視頻監(jiān)控和人體行為分析等應(yīng)用的前提,也可以應(yīng)用在老年人監(jiān)護(hù)、受害者營(yíng)救等新興領(lǐng)域中。隨著硬件設(shè)備功能的不斷

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高永建 ,吳健康;神經(jīng)網(wǎng)絡(luò)及其識(shí)別應(yīng)用簡(jiǎn)介[J];電信科學(xué);1990年02期

2 謝國(guó)梁;;神經(jīng)網(wǎng)絡(luò):從希望到現(xiàn)實(shí)[J];激光與光電子學(xué)進(jìn)展;1991年01期

3 鄭士貴;文獻(xiàn)自動(dòng)閱讀神經(jīng)網(wǎng)絡(luò)[J];管理科學(xué)文摘;1996年08期

4 呂芬;趙生妹;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的噪聲字母識(shí)別[J];計(jì)算機(jī)與信息技術(shù);2005年12期

5 李毅;童紅俊;宋貴寶;李冬;;神經(jīng)網(wǎng)絡(luò)在飛行器航跡仿真計(jì)算中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報(bào);2006年05期

6 林鋼;;基于SOM神經(jīng)網(wǎng)絡(luò)對(duì)潛在客戶的挖掘[J];南寧職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年04期

7 楊帆;陳勁杰;唐梅華;陳鑫;;簡(jiǎn)論神經(jīng)網(wǎng)絡(luò)在搜索中的應(yīng)用[J];機(jī)械管理開發(fā);2008年01期

8 朱紅斌;;LVQ神經(jīng)網(wǎng)絡(luò)在交通事件檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2008年34期

9 李彤巖;李興明;;神經(jīng)網(wǎng)絡(luò)在確定關(guān)聯(lián)規(guī)則挖掘算法權(quán)值中的應(yīng)用研究[J];計(jì)算機(jī)應(yīng)用研究;2008年05期

10 石文淵;彭軍民;;基于神經(jīng)網(wǎng)絡(luò)的貨幣識(shí)別研究[J];西安理工大學(xué)學(xué)報(bào);2008年02期

相關(guān)會(huì)議論文 前10條

1 陳文新;王長(zhǎng)富;戴蓓倩;;基于神經(jīng)網(wǎng)絡(luò)的漢語四聲識(shí)別[A];第一屆全國(guó)語言識(shí)別學(xué)術(shù)報(bào)告與展示會(huì)論文集[C];1990年

2 李睿;李明軍;;一種模糊高斯基神經(jīng)網(wǎng)絡(luò)在數(shù)值逼近上的仿真[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國(guó)第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2006年

3 許旭萍;臧道青;;采用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)施缸蓋表面點(diǎn)陣字符識(shí)別[A];第十五屆全國(guó)汽車檢測(cè)技術(shù)年會(huì)論文集[C];2011年

4 朱長(zhǎng)春;;神經(jīng)網(wǎng)絡(luò)用于線性時(shí)固有系統(tǒng)的廣義狀態(tài)轉(zhuǎn)移矩陣的識(shí)別[A];中國(guó)工程物理研究院科技年報(bào)（1999）[C];1999年

5 王玉斌;李永明;王穎;;用數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測(cè)工程造價(jià)[A];第十一屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

6 應(yīng)捷;袁一方;;神經(jīng)網(wǎng)絡(luò)指紋特征點(diǎn)匹配算法的改進(jìn)[A];2007'中國(guó)儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（二）[C];2007年

7 謝小良;符卓;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的單周期船舶調(diào)度模型及算法[A];2008年全國(guó)開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(下冊(cè))[C];2008年

8 陳意;;神經(jīng)網(wǎng)絡(luò)在船舶識(shí)別一個(gè)應(yīng)用[A];船舶航泊安全的新經(jīng)驗(yàn)新技術(shù)論文集（上冊(cè)）[C];2007年

9 王輝;楊杰;黎明;蔡念;;一種基于神經(jīng)網(wǎng)絡(luò)的圖像復(fù)原方法[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

10 賈睿;徐啟強(qiáng);劉艷;;基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)殼結(jié)構(gòu)近似分析研究[A];第二十一屆全國(guó)振動(dòng)與噪聲高技術(shù)及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)重要報(bào)紙文章 前1條

1 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

相關(guān)博士學(xué)位論文 前10條

1 李曉剛;基于神經(jīng)網(wǎng)絡(luò)的碼垛機(jī)器人視覺位姿測(cè)量及伺服控制研究[D];北京林業(yè)大學(xué);2015年

2 戶保田;基于深度神經(jīng)網(wǎng)絡(luò)的文本表示及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

3 諸勇;正交回歸神經(jīng)網(wǎng)絡(luò)及其在控制系統(tǒng)中的應(yīng)用[D];浙江大學(xué);1998年

4 田景文;地下油藏的仿真與預(yù)測(cè)[D];哈爾濱工程大學(xué);2001年

5 彭宏京;基于稀疏RAM的神經(jīng)網(wǎng)絡(luò)及其人臉識(shí)別應(yīng)用研究[D];南京航空航天大學(xué);2002年

6 王吉權(quán);BP神經(jīng)網(wǎng)絡(luò)的理論及其在農(nóng)業(yè)機(jī)械化中的應(yīng)用研究[D];沈陽農(nóng)業(yè)大學(xué);2011年

7 郭海湘;石油儲(chǔ)層縱向預(yù)測(cè)軟硬計(jì)算融合的理論與方法研究[D];中國(guó)地質(zhì)大學(xué);2008年

8 葛利;基于過程神經(jīng)網(wǎng)絡(luò)的時(shí)序數(shù)據(jù)挖掘研究[D];哈爾濱工程大學(xué);2012年

9 柴冰華;色貌模型CIECAM02若干問題的研究[D];北京理工大學(xué);2006年

10 唐云嵐;集成神經(jīng)網(wǎng)絡(luò)和多目標(biāo)進(jìn)化算法的卷煙產(chǎn)品參數(shù)優(yōu)化設(shè)計(jì)方法及應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

2 蔡邦宇;人臉識(shí)別中單次ERP時(shí)空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

3 鄭川;垃圾評(píng)論檢測(cè)算法的研究[D];西南交通大學(xué);2015年

4 汪濟(jì)民;基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)和性別識(shí)別研究[D];南京理工大學(xué);2015年

5 彭玲玲;基于不確定理論與機(jī)器學(xué)習(xí)的行人檢測(cè)[D];長(zhǎng)安大學(xué);2015年

6 楊陳東;BP-Fisher判別分析法[D];長(zhǎng)安大學(xué);2015年

7 孟鑫;基于Hadoop云平臺(tái)下的客流量預(yù)測(cè)研究[D];長(zhǎng)安大學(xué);2015年

8 張勇;深度卷積神經(jīng)網(wǎng)絡(luò)在車牌和人臉檢測(cè)領(lǐng)域的應(yīng)用研究[D];鄭州大學(xué);2015年

9 宋璐璐;財(cái)經(jīng)職業(yè)技術(shù)學(xué)院票務(wù)管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];西安工業(yè)大學(xué);2015年

10 陳銳浩;基于神經(jīng)網(wǎng)絡(luò)的口令屬性分析工具開發(fā)[D];上海交通大學(xué);2015年

，

本文編號(hào)：1441649