期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于自适应增殖数据增强与全局特征融合的小目标行人检测
被引量：
4
1
作者
艾青林
杨佳豪
崔景瑞
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2023年第10期1933-1944,1976,共13页
针对当前规模的小目标行人数据集较少,传统行人检测模型对小目标检测效果较差的问题,提出一种基于消隐点性质,提出自适应增殖数据增强和全局上下文特征融合的小目标行人检测方法.利用射影几何与消隐点的性质,对图像中的多个目标进行复制...
针对当前规模的小目标行人数据集较少,传统行人检测模型对小目标检测效果较差的问题,提出一种基于消隐点性质,提出自适应增殖数据增强和全局上下文特征融合的小目标行人检测方法.利用射影几何与消隐点的性质,对图像中的多个目标进行复制;通过仿射变换投影到新的位置,生成多个大小与背景合理的小目标样本以完成数据增强.利用跨阶段局部网络与轻量化操作改进沙漏结构,融合坐标注意力机制强化骨干网络.设计全局特征融合颈部网络(GFF-neck),以融合全局特征.实验表明,在经过数据增强后的WiderPerson数据集上,改进算法对行人类别的检测AP值达到了79.6%,在VOC数据集上mAP值达到了80.2%.测试结果表明,当搭建实验测试系统进行实景测试时,所提算法有效提升了小目标行人检测识别精度,并满足实时性要求.
展开更多
关键词
消隐点
数据增强
全局特征融合
小目标行人检测
轻量化沙漏结构
在线阅读
下载PDF
职称材料
基于多尺度特征融合的小目标行人检测
被引量：
17
2
作者
张思宇
张轶
《计算机工程与科学》
CSCD
北大核心
2019年第9期1627-1634,共8页
针对SSD当前存在的小目标漏检以及误检问题,结合反卷积与特征融合思想,提出hgSSD模型。将原SSD特征层反卷积后与较浅层特征结合,实现复杂场景下小目标行人检测。为了保留浅层网络特征,提高算法实时性,节省计算资源,hgSSD模型基础网络使...
针对SSD当前存在的小目标漏检以及误检问题,结合反卷积与特征融合思想,提出hgSSD模型。将原SSD特征层反卷积后与较浅层特征结合,实现复杂场景下小目标行人检测。为了保留浅层网络特征,提高算法实时性,节省计算资源,hgSSD模型基础网络使用VGG16,而非更深层的ResNet101。为了加强对小目标的检测,将VGG16中的Conv3_3改进为特征层加入训练。融合后的网络相对于SSD较为复杂,但基本保证实时性,且成功检测到大部分SSD网络漏检的小目标,检测精度相比于SSD模型也有提升。在选择框置信度得分阈值为0.3的情况下,基本检测到SSD漏检小目标。在VOC2007+2012中相对于SSD行人检测的Average Precision值从0.765提升为0.83。
展开更多
关键词
小目标行人检测
多尺度预测
特征融合
反卷积神经网络
深度学习
在线阅读
下载PDF
职称材料
基于改进YOLOv5的密集行人检测算法
被引量：
2
3
作者
胡倩
皮建勇
+2 位作者
胡伟超
黄昆
王娟敏
《计算机工程》
北大核心
2025年第3期216-228,共13页
针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨...
针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨步卷积,有效缓解特征信息丢失的问题;其次,针对非相邻特征图不直接融合从而引起特征融合率较低的问题,提出新的双层渐进金字塔网络(DAFPN),提高行人检测的准确性和精度;最后,基于EIoU_Loss和CIoU_Loss引入EfficiCIoU_Loss定位损失函数,以调整和提高帧回归率,促进网络模型更快收敛。模型在CrowdHuman和WiderPerson行人数据集上相比于原YOLOv5模型,mAP@0.5、mAP@0.5∶0.95分别提升了3.9、5.3百分点和2.1、2.1百分点;引入EfficiCIoU_Loss后,模型收敛速度分别提升了11%、33%。这些改进使得基于YOLOv5的密集行人检测在特征信息保留、多尺度融合和损失函数优化等方面都取得了显著进展,提高了其在实际应用中的性能和效率。
展开更多
关键词
密集
行人
检测
小目标行人检测
Conv-SPD网络
双层渐进特征金字塔网络
EfficiCIoU_Loss损失函数
在线阅读
下载PDF
职称材料
题名
基于自适应增殖数据增强与全局特征融合的小目标行人检测
被引量：
4
1
作者
艾青林
杨佳豪
崔景瑞
机构
浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2023年第10期1933-1944,1976,共13页
基金
国家自然科学基金资助项目(52075488)
浙江省自然科学基金资助项目(LY20E050023).
文摘
针对当前规模的小目标行人数据集较少,传统行人检测模型对小目标检测效果较差的问题,提出一种基于消隐点性质,提出自适应增殖数据增强和全局上下文特征融合的小目标行人检测方法.利用射影几何与消隐点的性质,对图像中的多个目标进行复制;通过仿射变换投影到新的位置,生成多个大小与背景合理的小目标样本以完成数据增强.利用跨阶段局部网络与轻量化操作改进沙漏结构,融合坐标注意力机制强化骨干网络.设计全局特征融合颈部网络(GFF-neck),以融合全局特征.实验表明,在经过数据增强后的WiderPerson数据集上,改进算法对行人类别的检测AP值达到了79.6%,在VOC数据集上mAP值达到了80.2%.测试结果表明,当搭建实验测试系统进行实景测试时,所提算法有效提升了小目标行人检测识别精度,并满足实时性要求.
关键词
消隐点
数据增强
全局特征融合
小目标行人检测
轻量化沙漏结构
Keywords
vanishing point
data enhancement
global feature fusion
small target pedestrian detection
lightweight hourglass structure
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于多尺度特征融合的小目标行人检测
被引量：
17
2
作者
张思宇
张轶
机构
四川大学计算机学院
四川大学视觉合成图形图像技术国家重点学科实验室
出处
《计算机工程与科学》
CSCD
北大核心
2019年第9期1627-1634,共8页
文摘
针对SSD当前存在的小目标漏检以及误检问题,结合反卷积与特征融合思想,提出hgSSD模型。将原SSD特征层反卷积后与较浅层特征结合,实现复杂场景下小目标行人检测。为了保留浅层网络特征,提高算法实时性,节省计算资源,hgSSD模型基础网络使用VGG16,而非更深层的ResNet101。为了加强对小目标的检测,将VGG16中的Conv3_3改进为特征层加入训练。融合后的网络相对于SSD较为复杂,但基本保证实时性,且成功检测到大部分SSD网络漏检的小目标,检测精度相比于SSD模型也有提升。在选择框置信度得分阈值为0.3的情况下,基本检测到SSD漏检小目标。在VOC2007+2012中相对于SSD行人检测的Average Precision值从0.765提升为0.83。
关键词
小目标行人检测
多尺度预测
特征融合
反卷积神经网络
深度学习
Keywords
small target pedestrian detection
multi-scale prediction
feature fusion
deconvolutional neural network
deep learning
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv5的密集行人检测算法
被引量：
2
3
作者
胡倩
皮建勇
胡伟超
黄昆
王娟敏
机构
贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
出处
《计算机工程》
北大核心
2025年第3期216-228,共13页
基金
贵州省科技支撑计划(黔科合支撑[2023]一般430)。
文摘
针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨步卷积,有效缓解特征信息丢失的问题;其次,针对非相邻特征图不直接融合从而引起特征融合率较低的问题,提出新的双层渐进金字塔网络(DAFPN),提高行人检测的准确性和精度;最后,基于EIoU_Loss和CIoU_Loss引入EfficiCIoU_Loss定位损失函数,以调整和提高帧回归率,促进网络模型更快收敛。模型在CrowdHuman和WiderPerson行人数据集上相比于原YOLOv5模型,mAP@0.5、mAP@0.5∶0.95分别提升了3.9、5.3百分点和2.1、2.1百分点;引入EfficiCIoU_Loss后,模型收敛速度分别提升了11%、33%。这些改进使得基于YOLOv5的密集行人检测在特征信息保留、多尺度融合和损失函数优化等方面都取得了显著进展,提高了其在实际应用中的性能和效率。
关键词
密集
行人
检测
小目标行人检测
Conv-SPD网络
双层渐进特征金字塔网络
EfficiCIoU_Loss损失函数
Keywords
dense pedestrian detection
small target pedestrian detection
Conv-SPD network
Double Asymptotic Feature Pyramid Network(DAFPN)
EfficiCIoU_Loss loss function
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自适应增殖数据增强与全局特征融合的小目标行人检测
艾青林
杨佳豪
崔景瑞
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
2
基于多尺度特征融合的小目标行人检测
张思宇
张轶
《计算机工程与科学》
CSCD
北大核心
2019
17
在线阅读
下载PDF
职称材料
3
基于改进YOLOv5的密集行人检测算法
胡倩
皮建勇
胡伟超
黄昆
王娟敏
《计算机工程》
北大核心
2025
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
