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:
目标检测器Faster R-CNN的区域生成网络生成的表示物体在图片上潜在位置的候选区域的准确性不高,从而制约了检测准确率进一步提升的可能.针对此问题,提出了基于Faster R-CNN的候选区域纯迭代提炼模型和LSTM迭代提炼模型.纯迭代提炼模型在PASCAL VOC 07训练集上进行网络训练,在测试集上基于VGG-16骨干网络的迭代模型得到的最好mAP比基准高1.1%,基于ZFNet得到的最好mAP比基准高1.5%.LSTM迭代提炼模型也能够较好地提升检测准确率.而且由于LSTM层的加入,使得此模型能够从后一次候选区域迭代过程向前一次迭代进行反向传播,实现了端到端的学习.
推荐文章
面向少样本网状结构体的候选区域自适应检测方法
少样本
网状结构体
样本标注
候选区域自适应
基于轮廓信息的目标候选区域提取算法
Prewitt算子
候选区域
有效轮廓
Lab颜色空间
基于区域纹理的运动目标检测方法
运动目标检测
区域纹理
混合高斯模型
多模态均值
运动历史
基于候选区域和并行卷积神经网络的行人检测
卷积神经网络(CNN)
行人检测
选择性搜索
Edge Boxes
特征提取
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 基于候选区域迭代提炼的目标检测方法
来源期刊 辽宁科技大学学报 学科 工学
关键词 目标检测 纯迭代提炼模型 LSTM迭代提炼模型 Faster R-CNN VGG-16 ZFNet
年,卷(期) 2019,(6) 所属期刊栏目 计算机科学与技术
研究方向 页码范围 462-469
页数 8页 分类号 TP391
字数 5233字 语种 中文
DOI 10.13988/j.ustl.2019.06.011
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 田莹 辽宁科技大学计算机与软件工程学院 22 74 5.0 8.0
2 杨海龙 辽宁科技大学计算机与软件工程学院 3 0 0.0 0.0
3 王澧冰 辽宁科技大学计算机与软件工程学院 3 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  (0)
共引文献  (0)
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)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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
目标检测
纯迭代提炼模型
LSTM迭代提炼模型
Faster R-CNN
VGG-16
ZFNet
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
辽宁科技大学学报
双月刊
1674-1048
21-1555/TF
大16开
辽宁省鞍山市高新技术产业开发区千山路185号
1979
chi
出版文献量(篇)
2893
总下载数(次)
6
总被引数(次)
9608
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导