基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
支持向量机(SVM)由于其出色的泛化能力,已成为目标检测领域应用最为广泛的分类器之一.然而在检测过程中,过多的支持向量会产生很大的时间开销,从而降低目标检测系统的实时性.针对此问题,提出一种约简支持向量的方法,以降低分类器的决策开销,加快检测速度.此方法采用迭代的方式来估计特征空间中向量的原像,通过构建精简原像集来简化支持向量机,从而达到了提升分类速度的效果.利用精简的SVM结合Selective Search+ BoW模型构建了一款快速检测器,测试结果表明:该检测器能够在保证检测率的前提下,通过约简支持向量,提高目标检测的实时性.
推荐文章
基于支持向量数据描述的数据约简
支持向量机
支持向量数据描述
数据约简
分类
基于支持向量机的运动目标中人脸检测
支持向量机
人脸检测
运动目标分割
马尔可夫随机场
分类器
基于随机共振和支持向量机的水下目标检测
声纳图像
随机共振
目标检测
支持向量机
基于主元分析和支持向量机的异常检测
主元分析
支持向量机
异常检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量约简的快速目标检测
来源期刊 半导体光电 学科 工学
关键词 目标检测 支持向量机 泛化能力 原像 向量约简
年,卷(期) 2017,(3) 所属期刊栏目 光电技术应用
研究方向 页码范围 459-464
页数 6页 分类号 TP391
字数 语种 中文
DOI 10.16818/j.issn1001-5868.2017.03.031
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 雷涛 中国科学院光电技术研究所 24 101 5.0 9.0
2 钟剑丹 中国科学院光电技术研究所 5 4 1.0 1.0
11 姚光乐 中国科学院光电技术研究所 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (103)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (10)
二级引证文献  (5)
1959(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
目标检测
支持向量机
泛化能力
原像
向量约简
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
半导体光电
双月刊
1001-5868
50-1092/TN
大16开
重庆市南坪花园路14号44所内
1976
chi
出版文献量(篇)
4307
总下载数(次)
22
论文1v1指导