本文關鍵詞：改進的卷積神經網絡行人檢測方法　出處：《計算機應用》2017年06期 　論文類型：期刊論文

  更多相關文章： 深度學習 卷積神經網絡 圖像分類 行人檢測

【摘要】：為了在行人檢測任務中使卷積神經網絡(CNN)選擇出更優(yōu)模型并獲得定位更準確的檢測框,提出一種改進的基于卷積神經網絡的行人檢測方法。改進主要涉及兩個方面:如何決定CNN樣本迭代學習次數(shù)和如何進行重合窗口的合并。首先,關于CNN樣本迭代次序問題,在順序迭代訓練多個CNN分類模型的基礎上,提出一種基于校驗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)的多個精確定位回歸框合并機制。精確定位回歸框的獲取以CNN檢測過程輸出的粗定位框作為輸入。然后,對每個粗定位框應用CNN精確定位過程并獲得對應的精確定位回歸框。最后,對多個精確定位回歸框進行合并,合并過程考慮了每個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相關的精確定位回歸框的概率加權求和方式獲得。針對提出的兩個改進,在國際上廣泛使用的行人檢測公共測試數(shù)據(jù)集ETH上進行了一系列實驗。實驗結果表明,所提的兩個改進方法均能有效地提高系統(tǒng)的檢測性能,在相同的測試條件下,融合兩個改進的方法相比Fast R-CNN算法檢測性能提升了5.06個百分點。
[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)分析技術重點實驗室(南京信息工程大學);大氣環(huán)境與裝備技術協(xié)同創(chuàng)新中心;
【基金】：國家自然科學基金資助項目(61300163)~~
【分類號】：TP183;TP391.41
【正文快照】： 0引言人是各類社會活動的中心,在各種現(xiàn)實場景中,人都是最為重要的關注對象,如行人過馬路、車站安檢等。人體目標檢測作為一種特定物體檢測,是車輛輔助駕駛、智能視頻監(jiān)控和人體行為分析等應用的前提,也可以應用在老年人監(jiān)護、受害者營救等新興領域中。隨著硬件設備功能的不斷

【相似文獻】

相關期刊論文 前10條

1 高永建 ,吳健康;神經網絡及其識別應用簡介[J];電信科學;1990年02期

2 謝國梁;;神經網絡:從希望到現(xiàn)實[J];激光與光電子學進展;1991年01期

3 鄭士貴;文獻自動閱讀神經網絡[J];管理科學文摘;1996年08期

4 呂芬;趙生妹;;基于Hopfield神經網絡的噪聲字母識別[J];計算機與信息技術;2005年12期

5 李毅;童紅俊;宋貴寶;李冬;;神經網絡在飛行器航跡仿真計算中的應用[J];海軍航空工程學院學報;2006年05期

6 林鋼;;基于SOM神經網絡對潛在客戶的挖掘[J];南寧職業(yè)技術學院學報;2006年04期

7 楊帆;陳勁杰;唐梅華;陳鑫;;簡論神經網絡在搜索中的應用[J];機械管理開發(fā);2008年01期

8 朱紅斌;;LVQ神經網絡在交通事件檢測中的應用[J];計算機工程與應用;2008年34期

9 李彤巖;李興明;;神經網絡在確定關聯(lián)規(guī)則挖掘算法權值中的應用研究[J];計算機應用研究;2008年05期

10 石文淵;彭軍民;;基于神經網絡的貨幣識別研究[J];西安理工大學學報;2008年02期

相關會議論文 前10條

1 陳文新;王長富;戴蓓倩;;基于神經網絡的漢語四聲識別[A];第一屆全國語言識別學術報告與展示會論文集[C];1990年

2 李睿;李明軍;;一種模糊高斯基神經網絡在數(shù)值逼近上的仿真[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（上冊）[C];2006年

3 許旭萍;臧道青;;采用Hopfield神經網絡實施缸蓋表面點陣字符識別[A];第十五屆全國汽車檢測技術年會論文集[C];2011年

4 朱長春;;神經網絡用于線性時固有系統(tǒng)的廣義狀態(tài)轉移矩陣的識別[A];中國工程物理研究院科技年報（1999）[C];1999年

5 王玉斌;李永明;王穎;;用數(shù)據(jù)挖掘和神經網絡技術預測工程造價[A];第十一屆全國電工數(shù)學學術年會論文集[C];2007年

6 應捷;袁一方;;神經網絡指紋特征點匹配算法的改進[A];2007'中國儀器儀表與測控技術交流大會論文集（二）[C];2007年

7 謝小良;符卓;;基于Hopfield神經網絡的單周期船舶調度模型及算法[A];2008年全國開放式分布與并行計算機學術會議論文集(下冊)[C];2008年

8 陳意;;神經網絡在船舶識別一個應用[A];船舶航泊安全的新經驗新技術論文集（上冊）[C];2007年

9 王輝;楊杰;黎明;蔡念;;一種基于神經網絡的圖像復原方法[A];2006年全國光電技術學術交流會會議文集（D 光電信息處理技術專題）[C];2006年

10 賈睿;徐啟強;劉艷;;基于神經網絡的網殼結構近似分析研究[A];第二十一屆全國振動與噪聲高技術及應用學術會議論文集[C];2008年

相關重要報紙文章 前1條

1 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

相關博士學位論文 前10條

1 李曉剛;基于神經網絡的碼垛機器人視覺位姿測量及伺服控制研究[D];北京林業(yè)大學;2015年

2 戶保田;基于深度神經網絡的文本表示及其應用[D];哈爾濱工業(yè)大學;2016年

3 諸勇;正交回歸神經網絡及其在控制系統(tǒng)中的應用[D];浙江大學;1998年

4 田景文;地下油藏的仿真與預測[D];哈爾濱工程大學;2001年

5 彭宏京;基于稀疏RAM的神經網絡及其人臉識別應用研究[D];南京航空航天大學;2002年

6 王吉權;BP神經網絡的理論及其在農業(yè)機械化中的應用研究[D];沈陽農業(yè)大學;2011年

7 郭海湘;石油儲層縱向預測軟硬計算融合的理論與方法研究[D];中國地質大學;2008年

8 葛利;基于過程神經網絡的時序數(shù)據(jù)挖掘研究[D];哈爾濱工程大學;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;2006年

10 唐云嵐;集成神經網絡和多目標進化算法的卷煙產品參數(shù)優(yōu)化設計方法及應用研究[D];國防科學技術大學;2008年

相關碩士學位論文 前10條

1 陳彥至;神經網絡降維算法研究與應用[D];華南理工大學;2015年

2 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應用[D];浙江大學;2015年

3 鄭川;垃圾評論檢測算法的研究[D];西南交通大學;2015年

4 汪濟民;基于卷積神經網絡的人臉檢測和性別識別研究[D];南京理工大學;2015年

5 彭玲玲;基于不確定理論與機器學習的行人檢測[D];長安大學;2015年

6 楊陳東;BP-Fisher判別分析法[D];長安大學;2015年

7 孟鑫;基于Hadoop云平臺下的客流量預測研究[D];長安大學;2015年

8 張勇;深度卷積神經網絡在車牌和人臉檢測領域的應用研究[D];鄭州大學;2015年

9 宋璐璐;財經職業(yè)技術學院票務管理系統(tǒng)的設計與實現(xiàn)[D];西安工業(yè)大學;2015年

10 陳銳浩;基于神經網絡的口令屬性分析工具開發(fā)[D];上海交通大學;2015年

，

本文編號：1441649