原文服务方: 计算机应用研究       
摘要:
现有目标检测算法主要以图像中的大目标作为研究对象,针对小目标的研究比较少且存在检测精确度低、无法满足实时性要求的问题,基于此,提出一种基于深度学习目标检测框架PVANet的实时小目标检测方法.首先,构建一个专用于小目标检测的基准数据集,它包含的目标在一幅图像中的占比非常小且存在截断、遮挡等干扰,可以更好地评估小目标检测方法的优劣;其次,结合区域建议网络(RPN)提出一种生成高质量小目标候选框的方法以提高算法的检测精确度和速度;选用step和inv两种新的学习率策略以改善模型性能,进一步提升检测精确度.在构建的小目标数据集上,相比原PVANet算法平均检测精确度提高了10.67%,速度提升了约30%.实验结果表明,该方法是一个有效的小目标检测算法,达到了实时检测的效果.
推荐文章
基于改进高斯混合模型的实时运动目标检测与跟踪
目标检测
目标匹配
目标跟踪
高斯混合
背景减除
基于改进动态阈值的运动车辆实时快速检测方法
车辆
目标检测
动态阈值
背景更新
交通
基于改进混合高斯模型的车辆多目标检测方法
图像处理
多目标检测
混合高斯模型
形态学算法
基于Canny算法的红外小目标边缘检测方法
Canny算法
红外图像
边缘检测
小波
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 基于改进PVANet的实时小目标检测方法
来源期刊 计算机应用研究 学科
关键词 小目标检测 小目标数据集 PVANet算法 区域建议网络 学习率策略
年,卷(期) 2020,(2) 所属期刊栏目 图形图像技术
研究方向 页码范围 593-597
页数 5页 分类号 TP183
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2018.06.0577
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 李鹏 中国航空工业集团公司西安航空计算技术研究所机载弹载计算机航空科技重点实验室 18 44 3.0 6.0
2 段秉环 中国航空工业集团公司西安航空计算技术研究所机载弹载计算机航空科技重点实验室 1 0 0.0 0.0
3 文鹏程 中国航空工业集团公司西安航空计算技术研究所机载弹载计算机航空科技重点实验室 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  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
小目标检测
小目标数据集
PVANet算法
区域建议网络
学习率策略
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导