基于Faster-Rcnn的矿井人员识别检测

• 作者: 杨世超
• 来源期刊: 信息记录材料
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 Faster-Rcnn网络
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 综合:探索与发现
• 页码范围: 236-238
• 页数: 3页
• 分类号: TP391.4
• 语种: 中文

摘要

传统的图像识别和目标检测方法都需要手工提取图像特征,由于手工都是基于低级图像特征进行提取的,难以捕捉到高级语义特征,而且泛化能力和鲁棒性也较差.本文通过使用深度学习中的Faster-Rcnn网络在矿井下对人员进行检测,通过井下摄像机采集到井下人员图像,将图像输入到神经网络中进行特征提取,然后通过R P N(区域建议网络)得到井下图像初步的人员检测和定位,通过ROIPooling得到具有目标的特征图,输入到全连接层中进行分类与坐标回归,最后得到精确的人员检测图.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨世超		1	0	0.0	0.0