基于深度学习的复杂背景下目标检测

• 作者: 潘晋孝 王志 陈平
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 目标检测 复杂背景 深度学习 特征提取
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 信息?计算机
• 页码范围: 171-176
• 页数: 6页
• 分类号: TP391.4
• 字数: 3459字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2018.04.026

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈平	中北大学信息探测与处理山西省重点实验室	61	193	6.0	11.0
2	潘晋孝	中北大学信息探测与处理山西省重点实验室	93	371	9.0	13.0
3	王志	中北大学信息探测与处理山西省重点实验室	6	21	2.0	4.0