作者：常玲玲; 马丙鹏; 常虹; 丁志义行人检测
摘要：为了探究不同的深度卷积神经网络在行人检测任务中的性能差异。基于Faster—R—CNN深度学习算法框架，在Cahech行人数据集上对VGG—Net（Visual Geometry Group Net）和Res—Net（ResidualNet）的性能进行了比较。通过改变数据集、改变训练数据的数量、对比训练过程中各阶段的检测率，对两个网络的泛化能力、学习能力以及收敛速度进行了对比。实验结果表明，Res～Net相比于VGG—Net网络具有更快的收敛速度和更强的泛化能力；Res—Net的学习能力更强，随着训练数据的扩展，其性能提升更大。在行人检测任务中，Res—Net具有更好的性能。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
