基于卷积神经网络的目标检测

为了完成视频图像中人体检测,将卷积神经网络和梯度算法结合。将YOLO网络模型结构以及算法函数进行了优化调整。为了保留视频时间信息,引入了卷积神经网络反馈时间维度。采用长短记忆卷积神经网络(LSTM)进行训练,通过将迭代过程的最优解保留,加快了梯度算法中的搜索速度,并且保证收敛于全局最优解。

基于改进YOLOV3的蝴蝶生长阶段检测

搜集标注蝴蝶生长过程图片,通过改进YOLOV3网络结构,调整先验框的维度,修改特征图分辨率,增强对小目标检测,反复训练得出最佳目标检测模型。实验表明,在5000张测试集图片样本中能得到95%以上的准确率,可以快速及时地识别出蝴蝶的各个生长发育过程。