作者:
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:
一般的目标检测算法均是建立在训练集与测试集相同分布的情况下,但是在应用过程中,经常会出现模型训练的场景与实际使用的场景存在偏差的问题.这样的分布不匹配会导致模型性能的大幅下降.针对新的应用场景,重头训练又需要大量标注数据,这将耗费大量人力与时间,代价昂贵.针对目标检测任务在源域与目标域的分布差异导致的模型性能下降问题,结合域适应的思想,从特征图和检测区域两个层面对目标检测算法Faster R-CNN进行改进,提升目标检测模型在多场景下的检测精度.此外,该模型进一步采用双层ROI-Pooling的方法提升域适应效果.模型采用无监督学习的方法,对两个不同角度下的街道场景数据集进行实验,提升了目标域车辆检测的精度.
推荐文章
基于深度学习方法的复杂场景下车辆目标检测
深度学习
Faster R-CNN
ImageNet数据集
车辆目标检测
模型参数自适应迁移的多源域适应
多源域适应
模型参数自适应迁移
隐私保护
聚类
基于多特征融合的前方车辆检测方法研究
车辆检测
多阈值
阴影
边缘
分形盒子维数
对称性测度
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 基于域适应的多场景车辆检测
来源期刊 计算机技术与发展 学科 工学
关键词 目标检测 域适应 双层ROI Pooling 车辆检测
年,卷(期) 2019,(12) 所属期刊栏目 应用开发研究
研究方向 页码范围 158-161,166
页数 5页 分类号 TP391
字数 2914字 语种 中文
DOI 10.3969/j.issn.1673-629X.2019.12.028
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 孙涵 南京航空航天大学计算机科学与技术学院 36 283 10.0 16.0
2 王翎 南京航空航天大学计算机科学与技术学院 2 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  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(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
域适应
双层ROI Pooling
车辆检测
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导