首页|基于深度卷积神经网络特征层融合的小尺度行人检测

基于深度卷积神经网络特征层融合的小尺度行人检测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对目前行人检测算法计算量过大和对小尺度行人检测精度不高的问题,提出了一种基于深度卷积神经网络特征层融合的小尺度行人检测方法,设计了一种包含9个卷积层的深度神经网络架构.在进行行人检测时,首先,对输入图像进行分块预处理操作,避免损失原始图像的视觉信息;然后,将网络不同层的卷积特征进行融合,提升行人特征的区分能力和表达能力,进而提升行人检测的精度,在保证检测精度的同时有效降低网络的复杂度.在INRIA、Caltech等公共行人数据集上的实验结果表明,所提出的行人检测方法能够有效检测小尺度的行人,且网络架构的参数量更少,检测速度更快,能得到更高精度的行人检测结果.
Small Scale Pedestrian Detection Based on Feature Layers Fusion of Deep Convolutional Neural Network

卓力、张时雨、寇墨林、闫璞、张辉

展开 >

北京工业大学信息学部,北京 100124

深度学习 行人检测 卷积神经网络 轻量化模型

北京市自然科学基金-市教委联合资助项目国家自然科学基金国家自然科学基金重点项目

KZ2018100050026160201861531006

2021

10.19708/j.ckjs.2020.07.271

测控技术
中国航空工业集团公司北京长城航空测控技术研究所

测控技术

CSTPCD
影响因子：0.5
ISSN：1000-8829
年,卷(期)：2021.40(2)
  • 2