我國每年失蹤兒童約有20萬人,如何利用人工智能技術(shù)尋找走失兒童是社會(huì)討論的熱點(diǎn)問題。首先,文章將行人檢測(cè)和行人重識(shí)別相結(jié)合,建立了端到端的行人搜索框架,并使用OIM監(jiān)督學(xué)習(xí)。然后,在Person Search數(shù)據(jù)集上進(jìn)行訓(xùn)練后,分別用兒童和成年人的圖片作為輸入進(jìn)行測(cè)試。最后,根據(jù)評(píng)價(jià)指標(biāo)證明文章的搜索框架有70%以上的成功率,且兒童比成年人更加難以搜尋。

【文章頁數(shù)】：3 頁

【部分圖文】：

如何利用人工智能技術(shù)尋找走失兒童一直是社會(huì)關(guān)注的熱點(diǎn)問題，行人重識(shí)別是利用計(jì)算機(jī)視覺技術(shù)判斷圖像或者視頻序列中是否存在特定行人的技術(shù)。雖然現(xiàn)今已經(jīng)提出了大量的行人重識(shí)別方法，但是還是很難被應(yīng)用到現(xiàn)實(shí)世界中，因?yàn)樾腥酥刈R(shí)別的研究使用的數(shù)據(jù)集大多數(shù)是手工剪切過的圖片，如圖1所示。可見....

本文的CNN結(jié)合了行人檢測(cè)和行人重識(shí)別網(wǎng)絡(luò)，結(jié)構(gòu)如圖2所示，輸入一張完整的圖像后，經(jīng)過特征提取網(wǎng)絡(luò)將像素矩陣轉(zhuǎn)換成卷積特征圖后，行人候選網(wǎng)絡(luò)將此作為輸入來預(yù)測(cè)行人的邊界框。然后，將其輸入到具有RoI-Pooling的身份識(shí)別網(wǎng)絡(luò)中，為每個(gè)邊界框包圍的行人提取256維的特征向量。....

從實(shí)驗(yàn)結(jié)果來看，搜索準(zhǔn)確率較高，候選框非常貼合行人，測(cè)試結(jié)果中有很多令人滿意的結(jié)果，如圖3所示。但是，對(duì)于一些被遮擋，或者行人姿勢(shì)不太好的情況，也會(huì)影響測(cè)試的結(jié)果，如圖4所示。

但是，對(duì)于一些被遮擋，或者行人姿勢(shì)不太好的情況，也會(huì)影響測(cè)試的結(jié)果，如圖4所示�？梢姡谝轮伾容^特別、查詢圖像是正面且沒有遮擋的情況下，人員搜索成功概率將大大提高。

本文編號(hào)：4009505