基于深度学习监控场景下的多尺度目标 检测算法研究

• 作者: 孙丽丽 季国华 程显毅 胡海涛
• 来源期刊: 南京师范大学学报（工程技术版）
• 学科: 工学
• 关键词: 深度学习 目标检测 空洞卷积核 监控场景
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能算法与应用专栏
• 页码范围: 33-38
• 页数: 6页
• 分类号: TP181
• 字数: 3613字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-1292.2018.03.005

摘要

针对监控环境下的视频图像处理存在漏检这一问题,分析现有目标检测算法中普遍使用的深度学习方法—Faster R-CNN,在VGG16卷积神经网络基础上,对深度卷积神经网络进行改进,在第一层卷积层中加入空洞卷积核,扩展神经网络的宽度,使得目标检测模型具有尺度不变性.在深度学习平台PyTorch下对Cifar-10数据集进行了实验,实验结果显示,改进的目标检测算法具有较好的尺度不变性,在监控场景下更具优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡海涛	南通大学南通先进通信技术研究院	4	0	0.0	0.0