论文摘要
基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,结合通用目标检测器Faster R-CNN,形成了有效的行人检测器,达到增强行人局部重要特征信息、保留小目标行人有效特征信息的目的。对多个公开的行人数据集进行大量实验,结果表明,与传统的卷积神经网络行人检测器相比,所提方法将行人检测漏检率降低了2%～3%,验证了方法的有效性。新方法改进了卷积神经网络结构,在无人驾驶领域具有一定的参考价值。
论文目录
文章来源
类型: 期刊论文
作者: 余珮嘉,张靖,谢晓尧
关键词: 计算机神经网络,卷积神经网络,行人检测,图像识别,自适应池化
来源: 河北科技大学学报 2019年06期
年度: 2019
分类: 工程科技Ⅰ辑,信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 贵州大学计算机科学与技术学院,贵州大学电气工程学院,贵州师范大学贵州省信息与计算科学重点实验室
基金: 贵州省发改委重点项目(0502213V0002),贵州省科学技术基金([2016]1036),贵州省科技创新人才队伍项目([2018]5615)
分类号: TP391.41;TP183
页码: 533-539
总页数: 7
文件大小: 2431K
下载量: 141