基于深度学习的行人检测技术研究进展

摘要/Abstract

摘要： 行人检测旨在从给定的场景中精确定位出每一个属于检测范围的人，在过去几十年中取得了重大的进展。它与行人重识别和行人跟踪技术相结合，在自动驾驶、人机交互、智能视频监控和人物对象行为分析等领域有着重要应用。研究了深度学习技术在行人检测领域的研究进展，就行人检测目前面临的主要问题和挑战进行了分析；调查总结了行人检测的数据集和评价标准，归纳分析了影响行人检测的关键子问题，例如网络架构、损失函数、特征表达、上下文信息和训练策略等。为该领域前沿综合研究提供参考和依据。

关键词: 深度学习, 卷积神经网络, 行人检测, 特征检测

中图分类号:

TP391

. 基于深度学习的行人检测技术研究进展[J]. 重庆理工大学学报（自然科学）, 2019, 33(4): 98-109.

[1]	杨珍，王俊，辛春花. 利用ＤＣＥ-ＭＲＩ结合改进卷积神经网络的ＭＲ图像自动分割与分类方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(2): 147-157.
[2]	杨国亮，曾建尤，龚曼，祝靖宇. 基于卷积神经网络的衣物属性分类方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 77-85.
[3]	陈欣１，陈明逊２. 基于增强数据集卷积神经网络的ＳＡＲ目标识别方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 86-93.
[4]	陈乐, 童莹, 陈瑞, 曹雪虹. 端到端增强特征神经网络的视频表情识别[J]. 重庆理工大学学报（自然科学）, 2019, 33(9): 125-131.
[5]	. 深度学习下大学生资助管理模式创新研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 167-171.
[6]	. 基于亮度与色度信息的深度学习图像风格迁移算法研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 145-151,159.
[7]	. 基于深度学习的B超生猪脂肪含量检测[J]. 重庆理工大学学报（自然科学）, 2019, 33(6): 112-116.
[8]	. 深度哈希卷积网络在图像检索中的应用[J]. 重庆理工大学学报（自然科学）, 2019, 33(3): 98-106.
[9]	胡远志ａ，刘俊生ｂ，肖佐仁ｂ，耿庄程ｂ. 基于数据融合的目标测距方法研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(12): 18-25.
[10]	林倩瑜. 基于模糊卷积神经网络的大数据分类挖掘技术[J]. 重庆理工大学学报（自然科学）, 2019, 33(10): 121-126.
[11]	. 一种CNN与ELM相结合的船舶分类识别方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(1): -.
[12]	. 一种基于双通道卷积神经网络的短文本分类方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(1): -.
[13]	. 基于ＹＯＬＯ２和ＲｅｓＮｅｔ算法的监控视频中的人脸检测与识别[J]. 重庆理工大学学报（自然科学）, 2018, 32(8): -.
[14]	. 面向ＳＡＲ目标分类的卷积神经网络算法研究[J]. 重庆理工大学学报（自然科学）, 2018, 32(7): -.
[15]	. 卷积神经网络在SAR目标识别中的应用[J]. 重庆理工大学学报（自然科学）, 2018, 32(5): -.

基于深度学习的行人检测技术研究进展

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10