登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
深度网络结构在行人检测任务中的性能对比
  • 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Caltech行人数据集上对VGG-Net(Visual Geometry Group Net)和Res-Net(Residual Net)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.

  • 作者

    常玲玲  马丙鹏  常虹  丁志义  CHANG Ling-ling  MA Bing-peng  CHANG Hong  DING Zhi-yi 

  • 作者单位

    宁夏大学信息工程学院,宁夏银川750021;中国科学院计算技术研究所,北京100190/中国科学院计算技术研究所,北京,100190/宁夏大学信息工程学院,宁夏银川,750021

  • 刊期

    2017年7期 ISTIC PKU

  • 关键词

    行人检测  卷积神经网络  深度学习  Pedestrian detection  Convolutional neural network  Deep learning 

相似文献 查看更多>>
34.226.244.70