【摘要】：行人檢測(cè)是機(jī)器人和無(wú)人車(chē)夜間工作應(yīng)用中的重要任務(wù)之一,采用加速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)框架實(shí)現(xiàn)夜間紅外圖像中的行人檢測(cè),用區(qū)域建議網(wǎng)絡(luò)生成候選區(qū)域,無(wú)需單獨(dú)從圖像中生成候選區(qū)域。區(qū)域建議網(wǎng)絡(luò)和用于分類(lèi)以及位置精修的卷積網(wǎng)絡(luò)中,采用卷積層參數(shù)共享機(jī)制,使得該框架具有端到端的優(yōu)點(diǎn),因此無(wú)需手動(dòng)選取目標(biāo)特征,實(shí)現(xiàn)了從輸入圖像直接到行人檢測(cè)的功能。實(shí)驗(yàn)結(jié)果表明,與使用傳統(tǒng)方法和快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)相比,使用加速區(qū)域卷積網(wǎng)絡(luò)框架對(duì)紅外圖像進(jìn)行行人檢測(cè)的準(zhǔn)確率從68.2%和73.4%提高到了90.9%,檢測(cè)時(shí)間從3.6s/frame和2.3s/frame縮短到了0.04s/frame,達(dá)到了實(shí)際應(yīng)用中的實(shí)時(shí)性要求。
[Abstract]:Pedestrian detection is one of the most important tasks in the application of robot and unmanned vehicle at night. The accelerated area convolution neural network framework is used to detect pedestrians in infrared images at night. There is no need to generate candidate regions from the image alone. In regional recommendation networks and convolution networks for classification and location refinement, the convolution layer parameter sharing mechanism is used to make the framework end-to-end, so it is unnecessary to manually select target features. The function from input image to pedestrian detection is realized. The experimental results show that compared with the traditional method and the fast regional convolution neural network, the accuracy of using the accelerated regional convolution network framework for pedestrian detection of infrared images is improved from 68.2% and 73.4% to 90.9%. The detection time is shortened from 3.6s/frame and 2.3s/frame to 0.04 s / frame, which meets the real time requirement in practical application.
【作者單位】： 東華大學(xué)信息科學(xué)與技術(shù)學(xué)院;東華大學(xué)數(shù)字化紡織服裝技術(shù)教育部工程研究中心;華東理工大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61375007) 上海市科委基礎(chǔ)研究項(xiàng)目(15JC1400600)
【分類(lèi)號(hào)】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曠章輝;王甲海;周雅蘭;;用改進(jìn)的競(jìng)爭(zhēng)Hopfield神經(jīng)網(wǎng)絡(luò)求解多邊形近似問(wèn)題[J];計(jì)算機(jī)科學(xué);2009年03期

2 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

3 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

4 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

5 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

6 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

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

8 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(kāi)發(fā);2008年01期

9 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

10 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

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(yǔ)四聲識(shí)別[A];第一屆全國(guó)語(yǔ)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(chē)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(kāi)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(zhuān)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(lèi)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(jué)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(hù)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 沈旭;基于序列深度學(xué)習(xí)的視頻分析：建模表達(dá)與應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

4 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

5 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

6 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

7 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(yáng)農(nóng)業(yè)大學(xué);2011年

8 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

9 葛利;基于過(guò)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

10 柴冰華;色貌模型CIECAM02若干問(wèn)題的研究[D];北京理工大學(xué);2006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(chē)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(kāi)發(fā)[D];上海交通大學(xué);2015年

，

本文編號(hào)：2341524