| 基于自适应池化的行人检测方法 |
| |
| 作者姓名： | 余珮嘉 张靖 谢晓尧 |
| |
| 作者单位： | 贵州大学计算机科学与技术学院,贵州贵阳,550025;贵州大学电气工程学院,贵州贵阳,550025;贵州师范大学贵州省信息与计算科学重点实验室,贵州贵阳,550001 |
| |
| 基金项目： | 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） |
| |
| 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。
|
| 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 Faster R-CNN |
| 收稿时间： | 2019-07-30 |
| 修稿时间： | 2019-11-24 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《河北科技大学学报》浏览原始摘要信息 |
|
点击此处可从《河北科技大学学报》下载免费的PDF全文 |
|
