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:
针对行人检测受人体姿态复杂、光照变化、遮挡严重等影响,导致检测效率和精度不高的问题,提出一种基于YOLO和排斥力损失函数的行人检测方法.首先,对YOLO模型进行改进,主要是设置合适的预选框以及采用较大尺度的特征图进行特征提取,从而提高其对小物体的检测性能;然后,对排斥力损失函数进行改进,使其符合行人检测的应用场景,为接下来的融合检测提供新的损失函数;最后,将改进的YOLO和排斥力损失函数结合起来,利用YOLO模型速度快的特点提高运行速度,并利用排斥力损失函解决行人遮挡问题.在多个行人检测数据集上的实验结果表明:与其他算法相比,能够更加快速准确地实现行人检测.
推荐文章
基于YOLO算法的行人检测方法
行人检测
YOLO模型
神经网络
实时检测
基于YOLO网络的行人检测方法
YOLO网络
行人检测
深度网络
聚类
特征重组
基于类加权YOLO网络的水下目标检测
水下目标
YOLO
类加权损失
自适应维度聚类
基于YOLOv3的行人检测方法研究
YOLO算法
行人检测
目标框
激活函数
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YOLO和排斥力损失函数的行人检测方法
来源期刊 云南民族大学学报(自然科学版) 学科 工学
关键词 行人检测 YOLO 排斥力损失 融合检测
年,卷(期) 2019,(6) 所属期刊栏目 信息与计算机科学
研究方向 页码范围 624-628
页数 5页 分类号 TP391
字数 3453字 语种 中文
DOI 10.3969/j.issn.1672-8513.2019.06.017
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 段鹏 云南民族大学数学与计算机科学学院 24 89 5.0 8.0
2 张静敏 云南民族大学数学与计算机科学学院 7 9 2.0 3.0
3 周莉莉 云南民族大学数学与计算机科学学院 2 4 1.0 2.0
4 叶智慧 云南民族大学数学与计算机科学学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (26)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(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)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
行人检测
YOLO
排斥力损失
融合检测
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
云南民族大学学报(自然科学版)
双月刊
1672-8513
53-1192/N
大16开
中国昆明市一二·一大街134号
1992
chi
出版文献量(篇)
2286
总下载数(次)
5
总被引数(次)
8502
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导