| 一种改进RetinaNet的室内人员检测算法 |
| |
| 作者姓名： | 王璐璐 张为 孙琦龙 |
| |
| 作者单位： | 1. 天津大学 电气自动化与信息工程学院,天津 3000722. 天津大学 微电子学院,天津 3000723. 青海民族大学 计算机学院, 青海 西宁 810007 |
| |
| 基金项目： | 国家部委技术研究计划(2017JSYJC35);青海民族大学理工自然科学重大项目(2019xjz003) |
| |
| 摘 要： | 由于现有的人员检测算法研究对象主要是室外直立行人,而室内人员姿态多变,且图像拍摄角度与室外行人差别较大,所以使用以往的检测方法得到的效果并不理想。基于此,笔者针对室内人员检测数据集提出了一种高精度检测模型。该模型以RetinaNet网络为基础,在残差网络中引入通道注意力模块,间接实现卷积层的随机失活,增强模型泛化能力;通过维度聚类算法找出锚点的最佳尺寸,并据此找到合适的特征图进行预测。实验表明,这种算法在室内人员检测数据集上检测精度可达99.84%,且在速度和内存占用方面也优于其他算法。
|
| 关 键 词： | 机器视觉 卷积神经网络 室内人员检测 |
| 收稿时间： | 2019-05-19 |
|
| 点击此处可从《西安电子科技大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《西安电子科技大学学报(自然科学版)》下载全文 |
|
