基于改进MTCNN网络的目标人脸快速检测

传统检测网络在复杂背景下一直存在检测效率低以及准确率低等问题。针对以上问题,在MTCNN网络上进一步设计了MT-Siam网络,主要为以后的单目标独立分割、单目标图像处理等操作快速地提供精准位置定位,从而快速获取目标位置,达到提高检测效率的目的。实验部分在YOLOv3、SSD300和MTCNN基础模型上进行了全面对比,验证了MTCNN网络的优越性,并从对比实验中得出MT-Siam网络在保持高精度的前提下,检测速度与MTCNN网络相比得到70%～85%不等的提升。     

基于改进的Siamese算法进行图像对的相似度判定

传统人脸图像对的相似度判定方法易受环境、像素值等因素影响,导致其方法的准确率很低。为此,文中为提高人脸图像对的相似度判定准确率,设计一种利用卷积神经网络(CNN)的非线性特点与优化边缘算子特点相结合的轻量化网络。实验结果表明,设计的轻量化网络与传统网络对比在准确率上有效提升大约2%;在模型大小上从原有的40.2 MB缩小到18.9 MB。并且与已有算法做了全面对比,得出改进算法准确率高于已有算法,验证了改进算法的可实施性。     

基于双线程LSTM在线更新的视频追踪算法

针对视频追踪中基于孪生网络的追踪算法在对有遮挡物或运动突变的物体进行追踪定位时会出现定位不准确的问题,设计了在线更新网络的视频追踪算法T ripL T.该算法采用循环神经网络进行目标位置的预测,并采用全卷积神经网络对目标进行相似度的判定.T ripL T算法可预测下一帧的目标位置,以摆脱遮挡物的影响,并且T ripL ...