排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
针对人工设计特征复杂和传统的自动化方法在目标识别和检测上准确率和效率低下的问题,提出一种基于改进的Faster-RCNN的目标区域定位方法。由于被检测目标尺度变化大,为了解决原始Faster-RCNN网络结构对于小目标区域检测精度低的问题,提出多尺度快速区域卷积神经网络检测算法,改进了神经网络的结构,使网络在检测过程中可以同时使用低层和高层的特征,提升了网络对于小目标区域的检测能力。修改原始网络中锚框设定方法,通过聚类算法来确定不同尺度的特征图的锚框。实验结果表明,该方法在不同的背景下均能实现对目标较好的识别与定位,对小区域的检测能力显著提高。检测精度由原始网络结构的79.60%上升到95.39%,提高了15.79百分点。 相似文献
1