共查询到17条相似文献，搜索用时 218 毫秒
1.
随着深度学习技术的兴起,目标检测算法正在经历着变革式的发展。作为深度学习目标检测研究领域中最新的一个研究方向,基于关键点的目标检测算法正在得到越来越多的关注,已成为目标检测的一个重要研究方向。本文在对基于深度学习的目标检测技术进行简要回顾的基础上,着重分析了基于关键点的目标检测方法所涉及的核心技术,并从所采用的骨干网络、特征点、COCO数据库中的检测表现等几个角度对相关方法进行汇总,论述了各类方法的检测性能。最后通过对各类方法进行对比总结出当前关键点目标检测方法存在的问题,并对未来的研究方向进行了展望。 相似文献
2.
3.
随着社会的发展,安防监控已成为维护我国社会安定的关键环节。行人检测无疑是安防监控中的重要方面,也是计算机视觉领域非常具有挑战性的热点,目前国内外已有很多有关行人检测方面的报道。HOG+SVM是当前使用最为广泛的行人检测方法,很多行人检测技术都是对经典的HOG+SVM方法进行改进,其中对视频中的行人检测速度较快有C4行人检测算法。对两种行人检测技术进行了比较研究。 相似文献
4.
《西安文理学院学报》2020,(2)
针对行人检测时行人外观易受外界因素影响导致检测效率低的问题,从特征提取和分类器设计两个方面对近年来国内外出现的行人检测算法进行综述.首先对影响行人检测率的处理方法进行分类,然后将行人特征分为单一特征、自学习特征和融合特征,结合支持向量机和Adaboost两类分类方法,从算法复杂度和检测效率等方面对这些算法进行分析和比较.最后提出行人检测技术中存在的问题,给出一些建设性意见,并对该技术的未来进行展望. 相似文献
5.
随着人们生活水平的不断提高,道路车辆拥堵情况愈发严重。如何实时、精确地检测出道路车辆,对于解决道路拥堵问题具有重要意义,GPU和人工智能技术的飞速发展为其提供了可靠的解决方案。研究分析传统目标识别算法、基于候选区域深度学习的目标提取算法RCNN和基于回归的深度学习目标检测YOLO,最终确定采用基于卷积神经网络的实时目标检测算法SSD。首先调用VGG16网络模型在ILSVRC CLS-LOC数据库上预训练生成初始网络模型,进而设置超参数并在自身数据集上进行再训练,生成新的网络检测模型,然后将训练和测试部署到深度学习框架Caffe上加以实现。通过在数据库COCO、VOC2012上的测试结果表明,该模型检测精度为76%左右,处理速度为26FPS。同时通过道路路口的实地车辆检测,显示该算法能够实时、精确地检测出道路车辆,为道路拥堵情况判定提供可靠数据。 相似文献
6.
在行人目标检测中,小尺度、低像素的行人目标检测和行人遮挡等问题是模型训练的难点。针对深度学习Faster R-CNN网络对小尺度行人以及遮挡行人目标检测效果较差的情况,提出一种基于soft-NMS、GIoU和多尺度训练方法的改进型Faster R-CNN行人目标检测模型。在该改进模型中,Soft-NMS缓解行人密集检测中的因遮挡导致的漏检情况,GIoU对网络的损失计算进行改进,提升网络检测效果,多尺度训练方式能够提升小尺度与低像素的行人目标检测的准确率。仿真实验结果验证了该方法的有效性,改进的Faster R-CNN模型在Caltech行人数据集上的检测精度由64.2%提升到了70.4%,且在漏检率和误检率上都优于传统Faster R-CNN模型。 相似文献
7.
行人检测设备一般不可移动,多数是在电脑端进行处理。通过树莓派搭建一个视频采集与移动小车,同时结合Faster RCNN（Faster Region Based CNN,更快的基于区域的卷积神经网络）与OpenCV（Open Source Computer Vision Libra）进行行人检测,并且通过树莓派的WiFi（Wireless Fidelity,无线保真技术）将处理好的视频数据回传到电脑。实验证明,基于树莓派的行人检测小车可以满足行人检测要求,同时可以进行移动端的行人检测。 相似文献
8.
无损检测技术在石质文物保护中的应用 总被引：2，自引：0，他引：2
概述了无损检测技术在探测石质文物的风化程度、评价岩石加固效果、探测裂隙分布和裂缝灌浆深度、探测石窟渗水原因、研究彩绘和壁画的颜色以及分析颜料成分等方面的应用,并提出了无损检测技术在石质文物保护工作中应用的几点认识. 相似文献
9.
基于人体关键点检测的方法需要融合由高分辨率到低分辨率子网络生成的表示,以提高关键点检测的准确性。设计了一种基于沙漏注意力高分辨率网络的人体姿态评估方法实验,在深度高分辨率表示学习的基础上构建沙漏注意力特征模块,并设计特征回传模块和多阶段监督算法,用融合中继监督和自蒸馏的方式实现高分辨率网络的监督训练。与经典方法在标准数据集上完成人体姿态评估实验对比,并在硬件设备上进行了真实场景实验,实现了行人姿态评估和危险行为报警。 相似文献
10.
11.
近年来,随着深度学习的迅猛发展,人脸检测算法准确度已有很大提升。模型越复杂,检测速度越慢,设计一种准确度与速度兼顾的人脸检测模型尤为必要。基于FaceBoxes人脸检测算法框架,提出一种基于深层卷积主干网络的改进方法,并在人脸检测基准数据集中进行测试实验。其在FDDB数据集上的实验结果显示,检测正确率达95%,比传统方法提高1.67%。该算法在保证实时性的同时提升了检测准确率,可应用于追求更高准确率的人脸检测系统。 相似文献
12.
图像分割是计算机视觉领域的一个重要方向,是图像处理的核心环节.伴随深度学习技术的发展,结合深度学习的图像分割技术在精确度上远超传统图像分割方法.卷积神经网络(CNN)与全卷积神经网络(FCN)的提出极大促进了图像语义分割技术发展,研究人员提出了很多新型网络模型,分割精准度大幅度提升.从传统语义分割方法、深度学习与传统方... 相似文献
13.
14.
当车流量较少时,降低路灯亮度可以达到能源节约目的。为此,采用深度学习中的R-FCN目标检测网络完成夜间车辆检测任务。R-FCN网络相比传统深度学习网络,不仅是基于区域推荐模型的网络,而且引入了平移变化特性,所以对目标检测效果更好。为了占用更少硬件资源,缩小模型规模,采用ShuffleNet通道分组与组间通信机制,压缩原始残差网络。同时,对NMS（非极大值抑制）算法进行修改,从而可以更好地筛选重叠目标,降低网络漏检率。实验结果表明,该方法准确率较高,在UA-DETRAC数据集的夜间图片检测中精度最高可达到90.89%。 相似文献
15.
以Web of Science收录的文献题录作为数据样本,基于文献计量学方法并利用CiteSpace工具对1990-2019年计算机视觉领域的文献进行可视化分析,从时空层面揭示计算机视觉领域在不同国家（地区）、机构的发展程度;从共引文献层面把握计算机视觉发展脉络;从关键词和突变词角度探测计算机视觉的热点前沿。研究结果显示,从全球范围看,美国对计算机视觉的研究起步较早且一直处于领先地位,中国近年来发展迅速且在总体发文量、高校研究力量层面进步明显,英国、法国、日本、加拿大、瑞士等国近年来发展态势也较突出;马尔视觉计算理论、Canny边缘检测算法、张氏标定法、YOLO算法等许多经典算法对计算机视觉领域的发展具有里程碑式的意义;模型、分类、图像分割、追踪、识别等方向是计算机视觉领域的热点话题;深度学习、卷积神经网络、压缩感知、机器学习是计算机视觉领域近10年的前沿研究方向。 相似文献
16.
目标检测是目前计算机视觉领域非常热门的研究方向,是无人驾驶技术重要环节。为提高行车过程中目标检测精度并改善基于单发多目标检测器在训练时出现的正负样本失衡问题,基于车载视频,运用深度学习算法中具有强大性能的SSD模型,通过引入Focal Loss函数设计新的损失函数,解决样本失衡问题;同时在不降低检测速率的情况下,提高检测精度。基于自行采集的车载视频数据集进行实验,结果表明,改进后SSD模型的mAP相较于原始SSD模型提高了3%,达到74%。 相似文献
17.
计算机视觉技术越来越多地应用于生猪饮水等行为识别中,以判断生猪健康状况.现有的饮水识别方法主要依赖目标轮廓,而传统的阈值分割方式受光照、噪点等因素影响较大,提取的轮廓不够精确.提出一种基于深度学习目标检测算法YOLO(You Only Look Once,YOLO)的生猪行为识别方法,根据生猪位置与饮水区的关系以及是否... 相似文献