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