基于深度学习的密集行人检测算法研究
发布时间:2022-08-01 16:13
随着机器学习和计算机技术的不断发展,利用深度学习技术进行行人检测已经成为主流方法,并逐步开始应用于平安城市、智慧交通等领域。然而在密集场景下行人目标存在类内遮挡和大尺寸变化,严重制约了SSD、Faster RCNN等经典深度学习检测方法的精度。为此,本文对基于深度学习的密集行人检测方法进行研究,从多尺度特征融合、多任务检测和渐近定位等方面进行改进,对提高遮挡、尺度变化条件下目标检测的精确性和适应性具有重要意义。本文的工作内容可以归纳为以下几点:第一,提出了一种基于稳定性加权的多尺度特征融合方法(Stability Weightedbased Multi-scale Feature Fusion method,SW-MFF)。对基础网络中不同尺度的五张原始特征图和由最终特征图上采样得到的五张深层特征图进行加权求和,由于后者具有更加抽象稳定的特征表达能力,在融合时提高其所占权重,构造出多尺度卷积特征,再利用其进行目标区域检测。在HUST自制数据集和CUHK公开数据集上进行实验,结果证明,相比于Faster RCNN,该方法在两个数据集上的漏检率分别下降了3.4%和2.6%(FPPI=0.1...
【文章页数】:73 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景与意义
1.2 国内外研究概况
1.3 论文的研究内容和章节安排
2 基于稳定性加权的多尺度特征融合方法
2.1 引言
2.2 深度学习的基本原理
2.3 基于稳定性加权的多尺度特征融合方法
2.4 实验结果与分析
2.5 本章小结
3 面向遮挡目标的多任务检测方法
3.1 引言
3.2 面向遮挡目标的多任务检测方法
3.3 实验结果与分析
3.4 本章小结
4 基于级联渐近定位模型的目标检测算法
4.1 引言
4.2 基于级联渐近定位模型的目标检测算法
4.3 实验结果与分析
4.4 本章小结
5 总结与展望
5.1 工作总结
5.2 工作展望
致谢
参考文献
本文编号:3667768
【文章页数】:73 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景与意义
1.2 国内外研究概况
1.3 论文的研究内容和章节安排
2 基于稳定性加权的多尺度特征融合方法
2.1 引言
2.2 深度学习的基本原理
2.3 基于稳定性加权的多尺度特征融合方法
2.4 实验结果与分析
2.5 本章小结
3 面向遮挡目标的多任务检测方法
3.1 引言
3.2 面向遮挡目标的多任务检测方法
3.3 实验结果与分析
3.4 本章小结
4 基于级联渐近定位模型的目标检测算法
4.1 引言
4.2 基于级联渐近定位模型的目标检测算法
4.3 实验结果与分析
4.4 本章小结
5 总结与展望
5.1 工作总结
5.2 工作展望
致谢
参考文献
本文编号:3667768
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3667768.html
最近更新
教材专著