資料介紹
為了在行人檢測任務(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檢測過程輸出的粗定位框作為輸入。然后,對每個(gè)粗定位框應(yīng)用CNN精確定位過程并獲得對應(yīng)的精確定位回歸框。最后,對多個(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。針對提出的兩個(gè)改進(jìn),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(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)的檢測性能,在相同的測試條件下,融合兩個(gè)改進(jìn)的方法相比Fast R-CNN算法檢測性能提升了5.06傘百分點(diǎn)。

- 基于卷積神經(jīng)網(wǎng)絡(luò)的雷達(dá)目標(biāo)檢測方法綜述 63次下載
- 神經(jīng)網(wǎng)絡(luò)到卷積神經(jīng)網(wǎng)絡(luò)的原理 8次下載
- 結(jié)合改進(jìn)Fisher判別準(zhǔn)則與GRV模塊的卷積神經(jīng)網(wǎng)絡(luò) 4次下載
- 一種基于多視圖架構(gòu)的深度卷積神經(jīng)網(wǎng)絡(luò)模型 5次下載
- 一種改進(jìn)的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索方法 3次下載
- 如何使用多尺度和多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)人群計(jì)數(shù) 9次下載
- 使用多尺度多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人群計(jì)數(shù)的資料說明 10次下載
- 使用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)行人檢測的方法詳細(xì)說明 7次下載
- 如何使用級(jí)聯(lián)網(wǎng)絡(luò)進(jìn)行行人檢測的方法說明 6次下載
- 如何使用多尺度多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人群計(jì)數(shù)的詳細(xì)資料說明 6次下載
- 如何使用混合卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行入侵檢測模型的設(shè)計(jì) 19次下載
- 如何使用圖像紋理和卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行惡意文件的檢測方法 0次下載
- 卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值反向傳播機(jī)制和MATLAB的實(shí)現(xiàn)方法 14次下載
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像標(biāo)注模型 4次下載
- 一種卷積神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)相結(jié)合的人臉識(shí)別方法_余丹 0次下載
- 卷積神經(jīng)網(wǎng)絡(luò)共包括哪些層級(jí) 3.7k次閱讀
- 全卷積神經(jīng)網(wǎng)絡(luò)的工作原理和應(yīng)用 2.6k次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的壓縮方法 1.1k次閱讀
- BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系 3k次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)別 7.3k次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu) 1.5k次閱讀
- 詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 3.5k次閱讀
- 利用手持?jǐn)z像機(jī)圖像通過卷積神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)進(jìn)行水稻檢測 1.2k次閱讀
- 詳解卷積神經(jīng)網(wǎng)絡(luò)卷積過程 1.9w次閱讀
- 一種新型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu):膠囊網(wǎng)絡(luò) 6.5k次閱讀
- 如何使用numpy搭建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)詳細(xì)方法和程序概述 6.6k次閱讀
- 一種用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò) 1w次閱讀
- 14種模型設(shè)計(jì)幫你改進(jìn)你的卷積神經(jīng)網(wǎng)絡(luò)(CNN) 6.5k次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)CNN架構(gòu)分析-LeNet 3.1k次閱讀
- 【科普】卷積神經(jīng)網(wǎng)絡(luò)(CNN)基礎(chǔ)介紹 1.2w次閱讀
下載排行
本周
- 1MDD品牌三極管BC807數(shù)據(jù)手冊
- 3.00 MB | 次下載 | 免費(fèi)
- 2MDD品牌三極管BC817數(shù)據(jù)手冊
- 2.51 MB | 次下載 | 免費(fèi)
- 3MDD品牌三極管D882數(shù)據(jù)手冊
- 3.49 MB | 次下載 | 免費(fèi)
- 4MDD品牌三極管MMBT2222A數(shù)據(jù)手冊
- 3.26 MB | 次下載 | 免費(fèi)
- 5MDD品牌三極管MMBTA56數(shù)據(jù)手冊
- 3.09 MB | 次下載 | 免費(fèi)
- 6MDD品牌三極管MMBTA92數(shù)據(jù)手冊
- 2.32 MB | 次下載 | 免費(fèi)
- 7STM32G474 HRTIME PWM 丟波問題分析與解決
- 1.00 MB | 次下載 | 3 積分
- 8新能源電動(dòng)汽車高壓線束的銅鋁連接解決方案
- 2.71 MB | 次下載 | 2 積分
本月
- 1愛華AIWA HS-J202維修手冊
- 3.34 MB | 37次下載 | 免費(fèi)
- 2NB-IoT芯片廠商的資料說明
- 0.31 MB | 22次下載 | 1 積分
- 3PC5502負(fù)載均流控制電路數(shù)據(jù)手冊
- 1.63 MB | 22次下載 | 免費(fèi)
- 4H110主板CPU PWM芯片ISL95858HRZ-T核心供電電路圖資料
- 0.63 MB | 6次下載 | 1 積分
- 5UWB653Pro USB口測距通信定位模塊規(guī)格書
- 838.47 KB | 5次下載 | 免費(fèi)
- 6技嘉H110主板IT8628E_BX IO電路圖資料
- 2.61 MB | 4次下載 | 1 積分
- 7蘇泊爾DCL6907(即CHK-S007)單芯片電磁爐原理圖資料
- 0.04 MB | 4次下載 | 1 積分
- 8蘇泊爾DCL6909(即CHK-S009)單芯片電磁爐原理圖資料
- 0.08 MB | 2次下載 | 1 積分
總榜
- 1matlab軟件下載入口
- 未知 | 935137次下載 | 10 積分
- 2開源硬件-PMP21529.1-4 開關(guān)降壓/升壓雙向直流/直流轉(zhuǎn)換器 PCB layout 設(shè)計(jì)
- 1.48MB | 420064次下載 | 10 積分
- 3Altium DXP2002下載入口
- 未知 | 233089次下載 | 10 積分
- 4電路仿真軟件multisim 10.0免費(fèi)下載
- 340992 | 191439次下載 | 10 積分
- 5十天學(xué)會(huì)AVR單片機(jī)與C語言視頻教程 下載
- 158M | 183353次下載 | 10 積分
- 6labview8.5下載
- 未知 | 81602次下載 | 10 積分
- 7Keil工具M(jìn)DK-Arm免費(fèi)下載
- 0.02 MB | 73822次下載 | 10 積分
- 8LabVIEW 8.6下載
- 未知 | 65991次下載 | 10 積分
電子發(fā)燒友App





創(chuàng)作
發(fā)文章
發(fā)帖
提問
發(fā)資料
發(fā)視頻
上傳資料賺積分
評論