钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
自动化技术与计算机技术期刊
\
计算机应用与软件期刊
\
基于卷积神经网络及改进支持向量机的行人检测
基于卷积神经网络及改进支持向量机的行人检测
作者:
周坤
夏琼佩
杨先超
焦建强
肖艳秋
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
行人检测
聚合通道特征
卷积神经网络
主成分分析
蚁群算法
支持向量机
摘要:
针对自动驾驶实际道路场景复杂导致行人误检率高的问题,提出一种基于卷积神经网络及改进支持向量机的行人检测方法.利用聚合通道特征快速获取图像候选区域,将归一化后的候选区域图像输入卷积神经网络对其进行深度特征提取;利用主成分分析法将卷积神经网络末端所得到的特征向量进行降维处理,减少其冗余特征信息以获得精确的行人特征描述;将行人特征送至优化后的支持向量机完成分类.考虑支持向量机在分类过程中存在核函数参数选择困难的问题,利用改进后的蚁群算法对其进行优化选择,获得最优支持向量机参数以提高分类精度.实验结果表明,不同场景下的行人平均检测精确度达到92%,误检率大幅下降且具有较好的实时性.
暂无资源
收藏
引用
分享
推荐文章
基于卷积神经网络车身颜色识别技术研究
卷积神经网络
车身颜色识别
网络层数
迭代次数
学习率
基于深度卷积神经网络的行人检测
行人检测
深度学习
卷积神经网络
特征提取
基于Gabor核的卷积神经网络改进算法及应用
卷积神经网络
Gabor卷积核
Relu函数
特征提取
识别分类
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
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
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
基于卷积神经网络及改进支持向量机的行人检测
来源期刊
计算机应用与软件
学科
工学
关键词
行人检测
聚合通道特征
卷积神经网络
主成分分析
蚁群算法
支持向量机
年,卷(期)
2020,(1)
所属期刊栏目
人工智能与识别
研究方向
页码范围
192-198,204
页数
8页
分类号
TP391
字数
6778字
语种
中文
DOI
10.3969/j.issn.1000-386x.2020.01.032
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
肖艳秋
郑州轻工业大学机电工程学院
28
113
5.0
9.0
2
周坤
郑州轻工业大学机电工程学院
5
47
2.0
5.0
3
焦建强
郑州轻工业大学机电工程学院
3
7
2.0
2.0
4
杨先超
郑州轻工业大学机电工程学院
1
1
1.0
1.0
5
夏琼佩
郑州轻工业大学机电工程学院
1
1
1.0
1.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(37)
共引文献
(15)
参考文献
(9)
节点文献
引证文献
(1)
同被引文献
(3)
二级引证文献
(0)
1996(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)
1998(1)
参考文献(0)
二级参考文献(1)
1999(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)
2004(1)
参考文献(0)
二级参考文献(1)
2005(1)
参考文献(0)
二级参考文献(1)
2007(1)
参考文献(0)
二级参考文献(1)
2008(1)
参考文献(0)
二级参考文献(1)
2009(1)
参考文献(0)
二级参考文献(1)
2010(2)
参考文献(1)
二级参考文献(1)
2011(2)
参考文献(0)
二级参考文献(2)
2012(4)
参考文献(1)
二级参考文献(3)
2013(3)
参考文献(1)
二级参考文献(2)
2014(7)
参考文献(1)
二级参考文献(6)
2015(5)
参考文献(1)
二级参考文献(4)
2016(8)
参考文献(0)
二级参考文献(8)
2017(3)
参考文献(2)
二级参考文献(1)
2018(2)
参考文献(2)
二级参考文献(0)
2020(1)
参考文献(0)
二级参考文献(0)
引证文献(1)
二级引证文献(0)
2020(1)
引证文献(1)
二级引证文献(0)
研究主题发展历程
节点文献
行人检测
聚合通道特征
卷积神经网络
主成分分析
蚁群算法
支持向量机
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
计算机应用与软件
主办单位:
上海市计算技术研究所
上海计算机软件技术开发中心
出版周期:
月刊
ISSN:
1000-386X
CN:
31-1260/TP
开本:
大16开
出版地:
上海市愚园路546号
邮发代号:
4-379
创刊时间:
1984
语种:
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
期刊文献
相关文献
1.
基于卷积神经网络车身颜色识别技术研究
2.
基于深度卷积神经网络的行人检测
3.
基于Gabor核的卷积神经网络改进算法及应用
4.
基于候选区域和并行卷积神经网络的行人检测
5.
基于卷积神经网络的行人检测方法研究新进展
6.
基于卷积神经网络的人流量统计
7.
基于改进的CNN多级分类的行人检测算法研究
8.
基于改进的卷积神经网络的负面表情识别方法
9.
基于历史信息的区域卷积神经网络行人检测
10.
基于卷积神经网络的水稻纹枯病图像识别
11.
基于改进卷积神经网络的人体检测研究
12.
基于稀疏卷积神经网络的考生识别算法
13.
基于改进的卷积神经网络的中文情感分类
14.
基于卷积神经网络嵌套模型的人群异常行为检测
15.
支持向量机和神经网络的融合发展
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
计算机应用与软件2022
计算机应用与软件2021
计算机应用与软件2020
计算机应用与软件2019
计算机应用与软件2018
计算机应用与软件2017
计算机应用与软件2016
计算机应用与软件2015
计算机应用与软件2014
计算机应用与软件2013
计算机应用与软件2012
计算机应用与软件2011
计算机应用与软件2010
计算机应用与软件2009
计算机应用与软件2008
计算机应用与软件2007
计算机应用与软件2006
计算机应用与软件2005
计算机应用与软件2004
计算机应用与软件2003
计算机应用与软件2002
计算机应用与软件2001
计算机应用与软件2000
计算机应用与软件2020年第9期
计算机应用与软件2020年第8期
计算机应用与软件2020年第7期
计算机应用与软件2020年第6期
计算机应用与软件2020年第5期
计算机应用与软件2020年第4期
计算机应用与软件2020年第3期
计算机应用与软件2020年第2期
计算机应用与软件2020年第12期
计算机应用与软件2020年第11期
计算机应用与软件2020年第10期
计算机应用与软件2020年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号