基于自适应池化的行人检测方法

基于自适应池化的行人检测方法

论文摘要

基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,结合通用目标检测器Faster R-CNN,形成了有效的行人检测器,达到增强行人局部重要特征信息、保留小目标行人有效特征信息的目的。对多个公开的行人数据集进行大量实验,结果表明,与传统的卷积神经网络行人检测器相比,所提方法将行人检测漏检率降低了2%~3%,验证了方法的有效性。新方法改进了卷积神经网络结构,在无人驾驶领域具有一定的参考价值。

论文目录

  • 1 理论基础
  •   1.1 多次池化
  •   1.2 自适应池化方法
  • 2 实验结果与讨论
  •   2.1 评价指标
  •   2.2 Caltech数据集上的实验结果与分析
  •   2.3 其他数据集上的实验结果与分析
  •   2.4 运行时间
  • 3 结 语
  • 文章来源

    类型: 期刊论文

    作者: 余珮嘉,张靖,谢晓尧

    关键词: 计算机神经网络,卷积神经网络,行人检测,图像识别,自适应池化

    来源: 河北科技大学学报 2019年06期

    年度: 2019

    分类: 工程科技Ⅰ辑,信息科技

    专业: 计算机软件及计算机应用,自动化技术

    单位: 贵州大学计算机科学与技术学院,贵州大学电气工程学院,贵州师范大学贵州省信息与计算科学重点实验室

    基金: 贵州省发改委重点项目(0502213V0002),贵州省科学技术基金([2016]1036),贵州省科技创新人才队伍项目([2018]5615)

    分类号: TP391.41;TP183

    页码: 533-539

    总页数: 7

    文件大小: 2431K

    下载量: 141

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于自适应池化的行人检测方法
    下载Doc文档

    猜你喜欢