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
2
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
PHD粒子滤波中目标状态提取方法研究
被引量：
7
1
作者
唐续
魏平
陈欣
《电子与信息学报》
EI
CSCD
北大核心
2010年第11期2691-2694,共4页
采用概率假设密度(PHD)粒子滤波进行多目标跟踪时,各时刻的目标状态表现为大量的加权粒子,需以一定方法从该粒子近似中提取出来。该文提出一种增强的目标状态提取方法,先以k-means算法对粒子进行空间分布的聚类,再于各类中寻找粒子权的...
采用概率假设密度(PHD)粒子滤波进行多目标跟踪时,各时刻的目标状态表现为大量的加权粒子,需以一定方法从该粒子近似中提取出来。该文提出一种增强的目标状态提取方法,先以k-means算法对粒子进行空间分布的聚类,再于各类中寻找粒子权的峰值位置作为目标状态的估计。仿真结果表明:由于综合利用了粒子的权值和空间分布信息,该算法具有比现有算法更小的目标状态估计误差。
展开更多
关键词
多目标跟踪
贝叶斯滤波
粒子滤波
概率假设密度
聚类
在线阅读
下载PDF
职称材料
多尺度卷积特征融合的SSD目标检测算法
被引量：
56
2
作者
陈幻杰
王琦琦
+4 位作者
杨国威
韩佳林
尹成娟
陈隽
王以忠
《计算机科学与探索》
CSCD
北大核心
2019年第6期1049-1061,共13页
提出了一种改进的多尺度卷积特征目标检测方法,用以提高SSD(single shot multibox detector)模型对中目标和小目标的检测精确度。该方法先对SSD模型低层特征层采用区域放大提取的方法以提高对小目标的检测能力,再对高层特征层进行特征...
提出了一种改进的多尺度卷积特征目标检测方法,用以提高SSD(single shot multibox detector)模型对中目标和小目标的检测精确度。该方法先对SSD模型低层特征层采用区域放大提取的方法以提高对小目标的检测能力,再对高层特征层进行特征提取以改善中目标的检测效果。最后,利用SSD模型中原有的多尺度卷积检测方法,将改进的多层特征检测结果进行融合,并通过参数再训练以获得最终改进的SSD模型。实验结果表明,该方法在MS COCO数据集上对中目标和小目标的测试精确度分别为75.1%和40.5%,相比于原有SSD模型分别提升16.3%和23.1%。
展开更多
关键词
单次多框目标检测器(SSD)模型
多尺度特征融合
目标检测
深度学习
在线阅读
下载PDF
职称材料
题名
PHD粒子滤波中目标状态提取方法研究
被引量：
7
1
作者
唐续
魏平
陈欣
机构
电子
科技
大学
电子
工程
学院
麦克马斯特大学电子与计算机工程系
出处
《电子与信息学报》
EI
CSCD
北大核心
2010年第11期2691-2694,共4页
文摘
采用概率假设密度(PHD)粒子滤波进行多目标跟踪时,各时刻的目标状态表现为大量的加权粒子,需以一定方法从该粒子近似中提取出来。该文提出一种增强的目标状态提取方法,先以k-means算法对粒子进行空间分布的聚类,再于各类中寻找粒子权的峰值位置作为目标状态的估计。仿真结果表明:由于综合利用了粒子的权值和空间分布信息,该算法具有比现有算法更小的目标状态估计误差。
关键词
多目标跟踪
贝叶斯滤波
粒子滤波
概率假设密度
聚类
Keywords
Multi-target tracking
Bayes filtering
Particle filter
Probability Hypothesis Density（PHD）
Clustering
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
多尺度卷积特征融合的SSD目标检测算法
被引量：
56
2
作者
陈幻杰
王琦琦
杨国威
韩佳林
尹成娟
陈隽
王以忠
机构
天津科技
大学
电子
信息与自动化学院
麦克马斯特大学电子与计算机工程系
出处
《计算机科学与探索》
CSCD
北大核心
2019年第6期1049-1061,共13页
文摘
提出了一种改进的多尺度卷积特征目标检测方法,用以提高SSD(single shot multibox detector)模型对中目标和小目标的检测精确度。该方法先对SSD模型低层特征层采用区域放大提取的方法以提高对小目标的检测能力,再对高层特征层进行特征提取以改善中目标的检测效果。最后,利用SSD模型中原有的多尺度卷积检测方法,将改进的多层特征检测结果进行融合,并通过参数再训练以获得最终改进的SSD模型。实验结果表明,该方法在MS COCO数据集上对中目标和小目标的测试精确度分别为75.1%和40.5%,相比于原有SSD模型分别提升16.3%和23.1%。
关键词
单次多框目标检测器(SSD)模型
多尺度特征融合
目标检测
深度学习
Keywords
single shot multibox detector(SSD)
multi-scale feature fusion
object detection
deep-learning
分类号
TP391.41 [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
PHD粒子滤波中目标状态提取方法研究
唐续
魏平
陈欣
《电子与信息学报》
EI
CSCD
北大核心
2010
7
在线阅读
下载PDF
职称材料
2
多尺度卷积特征融合的SSD目标检测算法
陈幻杰
王琦琦
杨国威
韩佳林
尹成娟
陈隽
王以忠
《计算机科学与探索》
CSCD
北大核心
2019
56
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
