基于深度学习的复杂背景下目标检测 |
| |
引用本文: | 王志,陈平,潘晋孝.基于深度学习的复杂背景下目标检测[J].重庆理工大学学报(社会科学版),2018(4). |
| |
作者姓名: | 王志 陈平 潘晋孝 |
| |
作者单位: | 中北大学信息探测与处理山西省重点实验室 |
| |
摘 要: | 针对某些静态图像背景复杂,受环境因素(光照、遮挡、掩盖等)影响较大的问题,提出一种基于深度学习算法的卷积神经网络(convolutional neural networks,CNN)结构对目标进行检测。利用CNN网络可自主提取图像特征并进行学习的优点,避免了复杂的人工特征选择和提取过程。通过一种区域合并的方法进行端到端的交替训练,在复杂背景图像的处理中体现出较优的性能。CNN的局部连接、权值共享及池化操作等特性使之可以有效地降低网络的复杂度、减少训练参数的数目、提高检测效率。试验验证结果表明:此方法在互联网图像数据库检测方面达到了较高的精度。采用坦克模型图像对复杂背景下的单目标、多目标以及不同程度的遮挡、伪装等情况进行试验,得出该方法具有一定的鲁棒性。
|
本文献已被 CNKI 等数据库收录! |
|