登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
改进的卷积神经网络在行人检测中的应用
  • 摘要

    针对当前行人检测方法计算量大,行人特征提取复杂,检测结果易受复杂背景影响等问题,提出一种改进的卷积神经网络(convolutional neural network,CNN)模型.该模型在传统CNN基础上加入选择性注意层,模拟人眼的选择性注意功能,过滤复杂背景,突出行人特征.分别采用LBP(local binary pattern)纹理处理和梯度处理对选择性注意层进行训练,对比训练结果得到最优模型.分别在INRIA、NICTA和Daimler行人数据集上进行实验,结果表明,该模型在行人检测中准确率明显优于传统CNN、HOG+SVM、Haar+SVM、PCA+SVM,在INRIA、NICTA和Daimler行人数据集上的准确率分别达到了96.14%、96.64%和99.78%.

  • 作者

    谢林江  季桂树  彭清  罗恩韬  XIE Linjiang  JI Guishu  PENG Qing  LUO Entao 

  • 作者单位

    中南大学 信息科学与工程学院,长沙,410083

  • 刊期

    2018年5期 ISTIC PKU

  • 关键词

    行人检测  深度学习  卷积神经网络  选择性注意  pedestrian detection  deep learning  convolutional neural network  selective attention 

相似文献 查看更多>>
34.226.244.70