基于深度学习的复杂背景下目标检测
2018 (4):
.
摘要
(
475 )
PDF(4326KB)
(
607
)
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(convolutionalneuralnetworks,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。
相关文章 |
计量指标
|