-
题名Norm-DP模型行人检测优化算法
- 1
-
-
作者
柴恩惠
马占飞
智敏
-
机构
内蒙古科技大学包头师范学院信息科学与技术学院
内蒙古师范大学计算机科学学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2021年第3期545-552,共8页
-
基金
国家自然科学基金(61762071,61163025)
内蒙古自治区自然科学基金(2016MS0614,2019MS06037,2018MS06008)。
-
文摘
传统深度金字塔模型作为一种有效的行人检测算法备受关注,融合可变形部件模型和卷积神经网络模型,但特征提取部分使用的算法像素区域的大小不同,导致模型之间不能完全融合,在行人数量多、姿势复杂和有遮挡情况时的检测效果不理想。因此,提出一种基于规范化函数的深度金字塔模型(Norm-DP)算法,使用规范化函数融合可变形部件模型和卷积神经网络模型,直接从金字塔特征中提取正负样本,使用隐变量支持向量机进行模型训练,结合柔性非最大抑制(soft-NMS)算法和边界框回归(BBR)算法对定位框进行优化。分别使用INRIA和MS COCO数据集进行实验验证,在行人数量多、姿势复杂和有遮挡情况时,检测精度高于最优的可变形部件模型算法、卷积神经网络算法、深度金字塔模型算法和结合区域选择的卷积神经网络算法。
-
关键词
卷积神经网络(CNN)
可变形部件模型算法
规范化深度金字塔(norm-dp)
柔性非最大抑制(Soft-NMS)
边界框回归(BBR)
-
Keywords
convolutional neural network(CNN)
deformable part model algorithm
normalization deep pyramid(norm-dp)
soft-non-maximum suppression(Soft-NMS)
bounding box regression(BBR)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-