标题：
一种改进的卷积神经网络行人识别方法
点击次数：
所属单位：
自动化学院
发表刊物：
应用科技
关键字：
行人检测;卷积神经网络;深度学习;YOLO;特征提取;聚类分析;多尺度特征;行人数据集;
摘要：
针对现有的行人检测算法存在的定位精度差、实时性低的问题,借鉴目标检测的研究成果You Only Look Once(YOLO)算法,提出一种实时的行人检测方法。以Tiny-YOLO为基础,改变网络模型的输入尺寸,获得更好的行人特征表达;结合图像中行人尺寸特点,使用聚类分析方法,对数据集进行目标框聚类,选取适合行人检测的候选框尺寸与数量;通过增加一定数量卷积层的方法重新设计特征提取和目标检测网络;在混合数据集上训练,增强模型泛化性。实验结果表明,在应对不同尺寸行人和部分遮挡情况时,文中方法具有更低的漏检率、更好的定位精度与检测效果,且检测速度可以满足实时性要求。
是否译文：
否
发表时间：
2018-10-17
合写作者：
陈聪,宋佳蓉,韩家明
通讯作者：
杨忠
发表时间：
2018-10-17
学位：工学博士学位
职称：教授
所在单位：自动化学院