基于卷积神经网络和上下文模型的目标检测

• 作者: 马增妍
• 来源期刊: 中国安全防范技术与应用
• 关键词: 卷积神经网络 R-CNN NMS 上下文模型
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 安全技术防范
• 页码范围: 28-33
• 页数: 6页
• 字数: 5012字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-1470.2018.06.009

摘要

安全问题是全社会共同关注的大事,安防工作是公安业务的一项重要工作,基于公共安全和公安业务的需要,目标检测应用技术的需求日益增长.其中,针对同一幅图像中存在特定空间位置关系的物体的目标检测在公安业务的需求中是频繁的.目标检测,是检测出一幅图像或者一段视频中包括的物体,在公安业务的需求中,我们经常需要识别存在特定空间位置关系的物体比如人和手提包等,本论文针对目标检测的经典算法R-CNN(Region Convolutional Neural Networks)算法的缺点,引入了一个上下文的学习模型,来刻画各类物体之间存在的空间位置关系,用其代替NMS(non-maxima suppression)算法.实验结果表明,对于经常同时出现在一幅图像中并存在特定空间位置关系的物体类别,本文方法的正确率比R-CNN算法有了较明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马增妍		1	0	0.0	0.0