为了提高对管制物品的检测精度,本文提出一种结合RFB(receptive field block)网络结构和特征融合的目标检测算法。首先对采集的安检数据进行无效内容剔除、滤波;接着对安检数据进行人工标注和数据增强;然后在MobileNetV3-SSD算法的基础...为了提高对管制物品的检测精度,本文提出一种结合RFB(receptive field block)网络结构和特征融合的目标检测算法。首先对采集的安检数据进行无效内容剔除、滤波;接着对安检数据进行人工标注和数据增强;然后在MobileNetV3-SSD算法的基础上,通过引入RFB网络改进其网络结构,以加强网络的特征提取能力,并利用特征融合的方法提高模型的小目标检测能力;最后,构建了一个安检数据集SCCI2020来验证算法的性能,该数据集包含91767张图片。实验结果表明,本算法在安检数据集SCCI2020上的检测精度为87.0%,比MobileNetV3-SSD算法的检测精度高2.7个百分点;在COCO2014和COCO2017通用数据集上的检测精度分别为21.9%和23%,相对于VGG16-SSD、MobileNetV3-SSD算法均有一定提升。展开更多
基金National Key Research and Development Program of China(No.2020YFB1707700)Fundamental Research Funds for the Central Universities,China(No.20D111201)。
文摘基于计算机视觉的虚拟试衣(virtual try-on,VITON)技术是指将试穿服装按照模特图像特征进行扭曲并合成到模特图像中,以替换原有服装部分。当前的虚拟试衣技术主要存在两个问题:保留模特图像头部、下装和背景等原有特征不足;扭曲后的试穿服装与模特图像匹配度不高。针对这两个问题,提出一种原有特征保持虚拟试衣网络(original feature preserving virtual try-on network,OFP-VTON),由语义分割图生成、试穿服装扭曲和试穿图像合成三部分组成。在试穿服装扭曲阶段通过使网络学习模特图像中所穿服装的扭曲映射,以更好地约束试穿服装扭曲;在试穿图像合成阶段提取并保留模特图像原有特征,并引入感受野模块(receptive field block,RFB)以尽可能保留试穿服装特征。在公开的VITON数据集上的定性与定量实验表明,OFP-VTON能更好地保留原有特征,扭曲后的试穿服装与模特图像匹配度高。
文摘为了提高对管制物品的检测精度,本文提出一种结合RFB(receptive field block)网络结构和特征融合的目标检测算法。首先对采集的安检数据进行无效内容剔除、滤波;接着对安检数据进行人工标注和数据增强;然后在MobileNetV3-SSD算法的基础上,通过引入RFB网络改进其网络结构,以加强网络的特征提取能力,并利用特征融合的方法提高模型的小目标检测能力;最后,构建了一个安检数据集SCCI2020来验证算法的性能,该数据集包含91767张图片。实验结果表明,本算法在安检数据集SCCI2020上的检测精度为87.0%,比MobileNetV3-SSD算法的检测精度高2.7个百分点;在COCO2014和COCO2017通用数据集上的检测精度分别为21.9%和23%,相对于VGG16-SSD、MobileNetV3-SSD算法均有一定提升。