基于深度优先随机森林分类器的目标检测

• 作者: 梁彦 潘泉 王华夏 胡劲文 赵春晖 马娟娟
• 来源期刊: 中国惯性技术学报
• 学科: 工学
• 关键词: 无人机 目标检测 深度优先 随机森林分类器
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 控制与动力学
• 页码范围: 518-523
• 页数: 6页
• 分类号: TP391
• 字数: 5060字
• 语种: 中文
• DOI: 10.13695/j.cnki.12-1222/o3.2018.04.017

摘要

从机载视觉传感器获取的图像中检测近距离目标,对小型无人机飞行安全非常重要,需要大量样本训练分类器以提高目标检测的准确性.然而,如果训练样本太大,随着树的层数增加,广度优先方法训练随机森林分类器会导致欠拟合问题.针对这个问题,提出了深度优先方法递归训练随机森林分类器,每次递归过程只分裂一个节点.实验表明,在SenseAndAvoid数据集目标检测的平均准确率是69.3％,比广度优先方法训练的随机森林分类器高7.6％.深度优先方法递归训练随机森林分类器,能有效抑制广度优先方法训练时的欠拟合问题,提高了随机森林分类器的泛化能力和目标检测的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡劲文	西北工业大学自动化学院信息融合技术教育部重点实验室	13	86	5.0	9.0
2	梁彦	西北工业大学自动化学院信息融合技术教育部重点实验室	156	2615	26.0	46.0
3	潘泉	西北工业大学自动化学院信息融合技术教育部重点实验室	544	9437	45.0	77.0
4	赵春晖	西北工业大学自动化学院信息融合技术教育部重点实验室	69	1138	16.0	32.0
5	马娟娟	西北工业大学自动化学院信息融合技术教育部重点实验室	6	11	2.0	3.0