作者：刘登生; 陈利霞; 王学文; 梁胜梅人类活动检测深度学习特征融合
摘要：针对网络自身存在的网络特征提取不充分情况,将FasterR-CNN的共享卷积层进行前层特征融合,使得前层有用却不明显的特征可以在后层中被重新利用,达到增强网络细微特征提取的效果,并采用优化非极大值抑制(NMS)方法筛选候选框。实验结果表明,基于FasterR-CNN多特征融合的人类活动检测网络不仅可更完整地检测出人所在的位置,而且对目标漏检情况也有所改善,对活动中人的检测精度比FasterR-CNN网络提高了4.5%。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《桂林电子科技大学学报》（CN：45-1351/TN）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《桂林电子科技大学学报》主要刊载信息与通信工程、信号与信息处理、计算机应用技术、仪器科学与技术、控制理论与控制工程、机械设计制造及其自动化、电磁场与微波技术、机械电子工程、工业艺术设计、材料加工工程、信息与计算科学、应用数学、工商管理等方面的学术论文。
杂志详情
