基于深度学习监控场景下的多尺度目标检测算法研究 |
| |
引用本文: | 程显毅,胡海涛,季国华,孙丽丽.基于深度学习监控场景下的多尺度目标检测算法研究[J].南京师范大学学报,2018(3). |
| |
作者姓名: | 程显毅 胡海涛 季国华 孙丽丽 |
| |
作者单位: | 硅湖职业技术学院计算机系;南通大学南通先进通信技术研究院 |
| |
摘 要: | 针对监控环境下的视频图像处理存在漏检这一问题,分析现有目标检测算法中普遍使用的深度学习方法—Faster R-CNN,在VGG16卷积神经网络基础上,对深度卷积神经网络进行改进,在第一层卷积层中加入空洞卷积核,扩展神经网络的宽度,使得目标检测模型具有尺度不变性.在深度学习平台PyTorch下对Cifar-10数据集进行了实验,实验结果显示,改进的目标检测算法具有较好的尺度不变性,在监控场景下更具优势.
|
本文献已被 CNKI 等数据库收录! |
|