《基於改進的Mask R-CNN網路的行人細粒度檢測算法》是朱繁,王洪元撰寫的一篇論文。
基本介紹
- 中文名：基於改進的Mask R-CNN網路的行人細粒度檢測算法
- 作者：朱繁,王洪元
- 關鍵字：Mask R-CNN;行人檢測; K-means算法;
- 論文來源：計算機套用
- 發表時間：2019-07-23
論文摘要,引文格式,
論文摘要
針對複雜場景下行人檢測效果差的問題,採用基於深度學習的目標檢測中領先的研究成果,提出了一種改進的Mask R-CNN網路框架的行人檢測算法。首先,採用K-means算法對行人數據集的目標框進行聚類得到合適的長寬比,通過增加一組長寬比(2:5)得到12種anchors適應圖像中行人的尺寸;然後,結合細粒度圖像識別的技術,實現行人的高定位精度;其次,採用全卷積網路(FCN)分割前景對象,並進行像素預測獲得行人的局部掩碼(上半身、下半身),實現對行人的細粒度檢測。最後,通過學習行人的局部特徵獲得行人的整體掩碼。為了驗證改進算法的有效性,將其與當前具有代表性的目標檢測方法(如FasterR-CNN、YOLOv2、R-FCN等)在同等數據集上進行對比。實驗結果表明,改進的算法提高了行人檢測的速度和精度,並且降低了誤檢率。
引文格式
朱繁,王洪元,張繼.基於改進的Mask R-CNN網路的行人細粒度檢測算法[J/OL].計算機套用:1-8[2019-11-09].
