摘要
当前动漫场景多人物识别方法在提取目标特征时,对于汇聚特征信息的滑动窗口定位不准确,所提取到的特征信息不准确,导致识别精度较差,因此为了解决这一问题,提出了 一种基于Faster R-CNN的动漫场景多人物自动识别方法.标注大量动漫场景人物形象图片,构建训练集和测试集,将其输入Faster R-CNN神经网络模型,提取图像特征并构建特征图.采用滑动窗口遍历特征图,选择特征向量评分最高的窗口,保证窗口内局部特征可以充分表示动漫人物主要特征,根据特征提取结果自动识别多个动漫人物身份,完成动漫场景多人物自动识别.实验结果表明,设计方法与两种传统方法相比,人物识别召回率分别提升了 11.10％和18.99％,提高了 目标识别精度,人物识别过拟合比率稳定在1.0060,说明该方法能够高精度不同类别的动漫人物,且识别过程较为稳定,识别效率较高.
基金项目
安徽省高校人文社科重点研究项目(SK2021A0999)
安徽省职成教学会规划课题(azcg79)
校级重点科研项目(BYK2206)
校级科研课题(YLFW2301)
维普
万方数据