针对复杂场景中车辆由于视角变化引起的检测精确度过低的问题,改进霍夫投票目标检测模型,提出一种在统一框架下通过不同权重组合发现目标最优视角并进行精确定位的方法。首先,利用一种无监督方法实现多视角车辆的子视角划分;其次,利用...针对复杂场景中车辆由于视角变化引起的检测精确度过低的问题,改进霍夫投票目标检测模型,提出一种在统一框架下通过不同权重组合发现目标最优视角并进行精确定位的方法。首先,利用一种无监督方法实现多视角车辆的子视角划分;其次,利用子视角划分结果定义霍夫投票过程中各正例样本在不同视角下的投票权重;最后,利用子视角划分和投票权重,提出一种新的适用于多视角目标检测的加权霍夫投票模型。在MITStreet Scene Cars和PASCAL VOC2007 Cars两个常用数据集上的实验结果表明,所提方法在不增加模型复杂度的前提下,有效提升了多视角目标检测精确度。展开更多
文摘针对复杂场景中车辆由于视角变化引起的检测精确度过低的问题,改进霍夫投票目标检测模型,提出一种在统一框架下通过不同权重组合发现目标最优视角并进行精确定位的方法。首先,利用一种无监督方法实现多视角车辆的子视角划分;其次,利用子视角划分结果定义霍夫投票过程中各正例样本在不同视角下的投票权重;最后,利用子视角划分和投票权重,提出一种新的适用于多视角目标检测的加权霍夫投票模型。在MITStreet Scene Cars和PASCAL VOC2007 Cars两个常用数据集上的实验结果表明,所提方法在不增加模型复杂度的前提下,有效提升了多视角目标检测精确度。
