期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于FasterMDNet的视频目标跟踪算法
被引量:
3
1
作者
王玲
王辉
+1 位作者
王鹏
李岩芳
《计算机工程与应用》
CSCD
北大核心
2020年第14期123-130,共8页
多域卷积神经网络(MDNet)算法在卷积层采用选择性搜索的方式来提取候选框,因此它没有共享完整图像特征,从而导致在线视频目标跟踪速度慢。针对这个问题,提出一种快速多域卷积神经网络(FasterMDNet)视频目标跟踪算法。FasterMDNet是建立...
多域卷积神经网络(MDNet)算法在卷积层采用选择性搜索的方式来提取候选框,因此它没有共享完整图像特征,从而导致在线视频目标跟踪速度慢。针对这个问题,提出一种快速多域卷积神经网络(FasterMDNet)视频目标跟踪算法。FasterMDNet是建立在MDNet基础上的一种模型,在卷积层后面引入RPN(Region Proposal Network)网络,优化了损失函数,共享完整图像卷积特征,加快候选区域建议框(ROI)更高效的生成;为了更好地获得目标和背景信息表示,在RPN网络后加入ROIAlign层,对提取的候选区域建议框特征图用双线性插值方法来提高感受野的分辨率。该算法对目标跟踪基准数据集OTB2013、OTB2015、VOT2016进行了评估,并与前沿的跟踪算法做对比,实验结果证明,该算法跟踪准确率优于其他对比方法,并且对比相同实验环境下MDNet算法,在线跟踪速度提高了近12倍。
展开更多
关键词
多域卷积神经网络(MDNet)
快速多域卷积神经网络(FasterMDNet)
视频目标跟踪
区域
建议
网络(RPN)
候选
区域
建议
框
(
roi
)
roi
Align
下载PDF
职称材料
基于改进Faster R-CNN的自然场景文字检测算法
被引量:
19
2
作者
杨宏志
庞宇
王慧倩
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2019年第6期876-884,共9页
自然场景中的文字受光照、污迹、文字较小等方面的影响,其检测难度较大,且传统的检测方法效果不好.在研究目标检测方法Faster RCNN的基础上,提出一种针对自然场景文字的改进方法.改进的模型由卷积神经网络特征提取模块,嵌套LSTM(nested ...
自然场景中的文字受光照、污迹、文字较小等方面的影响,其检测难度较大,且传统的检测方法效果不好.在研究目标检测方法Faster RCNN的基础上,提出一种针对自然场景文字的改进方法.改进的模型由卷积神经网络特征提取模块,嵌套LSTM(nested long short-term memory,NLSTM)模块和区域候选网络(region proposal network,RPN)模块3部分组成,改进点主要是卷积神经网络特征提取模块增加了不同卷积层的空间特征融合,能够提取多层次的特征;增加嵌套LSTM模块能够学习长序列文本的序列特征,便于检测不定长度的文本序列;RPN模块通过设置宽为8像素,高度不定的锚点(anchor),可以提取一系列可能存在的目标建议框,其对小目标文字效果较好.在实验部分,通过对标准数据集(ICDAR 2013,Multilingual)的实验结果对比表明,所提出的改进算法在准确率和效率方面明显优于改进前的算法.通过实列测试,改进的模型对小目标文字检测效果也有所提升.
展开更多
关键词
区域
候选
网络
空间特征
长序列文本
建议
框
准确率
下载PDF
职称材料
题名
基于FasterMDNet的视频目标跟踪算法
被引量:
3
1
作者
王玲
王辉
王鹏
李岩芳
机构
长春理工大学计算机科学技术学院
出处
《计算机工程与应用》
CSCD
北大核心
2020年第14期123-130,共8页
基金
吉林省科技发展计划技术攻关项目(No.20190302118GX)。
文摘
多域卷积神经网络(MDNet)算法在卷积层采用选择性搜索的方式来提取候选框,因此它没有共享完整图像特征,从而导致在线视频目标跟踪速度慢。针对这个问题,提出一种快速多域卷积神经网络(FasterMDNet)视频目标跟踪算法。FasterMDNet是建立在MDNet基础上的一种模型,在卷积层后面引入RPN(Region Proposal Network)网络,优化了损失函数,共享完整图像卷积特征,加快候选区域建议框(ROI)更高效的生成;为了更好地获得目标和背景信息表示,在RPN网络后加入ROIAlign层,对提取的候选区域建议框特征图用双线性插值方法来提高感受野的分辨率。该算法对目标跟踪基准数据集OTB2013、OTB2015、VOT2016进行了评估,并与前沿的跟踪算法做对比,实验结果证明,该算法跟踪准确率优于其他对比方法,并且对比相同实验环境下MDNet算法,在线跟踪速度提高了近12倍。
关键词
多域卷积神经网络(MDNet)
快速多域卷积神经网络(FasterMDNet)
视频目标跟踪
区域
建议
网络(RPN)
候选
区域
建议
框
(
roi
)
roi
Align
Keywords
Multi-Domain convolutional neural Network(MDNet)
Faster Multi-Domain convolutional neural Network(FasterMDNet)
video target tracking
Region Proposal Network(RPN)
Region of Interest(
roi
)
roi
Align
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进Faster R-CNN的自然场景文字检测算法
被引量:
19
2
作者
杨宏志
庞宇
王慧倩
机构
重庆邮电大学光电信息感测与信息传输实验室
出处
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2019年第6期876-884,共9页
基金
国家自然科学基金(61301124,61471075,61671091)
重庆科委自然科学基金(cstc2016jcyjA0347)
重庆高校创新团队建设计划(智慧医疗系统与核心技术)~~
文摘
自然场景中的文字受光照、污迹、文字较小等方面的影响,其检测难度较大,且传统的检测方法效果不好.在研究目标检测方法Faster RCNN的基础上,提出一种针对自然场景文字的改进方法.改进的模型由卷积神经网络特征提取模块,嵌套LSTM(nested long short-term memory,NLSTM)模块和区域候选网络(region proposal network,RPN)模块3部分组成,改进点主要是卷积神经网络特征提取模块增加了不同卷积层的空间特征融合,能够提取多层次的特征;增加嵌套LSTM模块能够学习长序列文本的序列特征,便于检测不定长度的文本序列;RPN模块通过设置宽为8像素,高度不定的锚点(anchor),可以提取一系列可能存在的目标建议框,其对小目标文字效果较好.在实验部分,通过对标准数据集(ICDAR 2013,Multilingual)的实验结果对比表明,所提出的改进算法在准确率和效率方面明显优于改进前的算法.通过实列测试,改进的模型对小目标文字检测效果也有所提升.
关键词
区域
候选
网络
空间特征
长序列文本
建议
框
准确率
Keywords
region proposal network
spatial features
long sequence text
suggestion boxes
accuracy
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于FasterMDNet的视频目标跟踪算法
王玲
王辉
王鹏
李岩芳
《计算机工程与应用》
CSCD
北大核心
2020
3
下载PDF
职称材料
2
基于改进Faster R-CNN的自然场景文字检测算法
杨宏志
庞宇
王慧倩
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2019
19
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部