一种改进的深度残差网络行人检测方法

• 作者: 柴争义 郝旭政
• 来源期刊: 计算机应用研究
• 关键词: 行人识别 深度残差网络 YOLOv2 卷积神经网络 深度学习
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1569-1572,1584
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.12.0836

摘要

为了提高行人检测方法的准确率,针对行人图像特征,提出一种基于深度残差网络和YOLO(you only look once)方法的行人检测方法.以加强行人特征表达为目的,通过分析行人在图像中的表达和分布特征,提出一种不影响实时性的矩形输入深度残差网络分类模型以改进YOLO检测方法,使模型能够更好地表征行人;为了进一步提高模型的准确率和泛化能力,采用了混合行人数据集训练的方式,提取VOC数据集的行人数据与INRIA数据集组成混合数据集进行训练,明显降低了漏检率;并且利用聚类分析预测框的方法重新设计了初始预测框,提高行人定位能力并加快收敛.经公开的INRIA数据集的测试实验证明,该方法较主流的行人检测方法每张图片误检率有明显改善,降低至13.86％,有1.51％ ～58.62％不同程度的提升,并且本方法拥有良好的实时性和泛化能力,实用性强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴争义	天津工业大学计算机科学与软件学院	18	42	3.0	6.0
2	郝旭政	天津工业大学计算机科学与软件学院	1	9	1.0	1.0