我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于多层上下文卷积神经网络的目标检测算法 下载：57 浏览：368

王浩 单文静 方宝富 ​ 《人工智能研究》 2020年5期

摘要:
目标检测提取的特征信息不足,导致识别小目标或被遮挡目标时精确度不高.因此,文中提出多层上下文卷积网络(MLC-CNN),通过提取多层上下文信息特征并结合物体特征进行目标检测.MLC-CNN由区域生成网络(RPN)和多层上下文信息(MLC)两个子网络组成,RPN获取固定长度的特征向量作为目标特征,MLC获取不同层特征图上对应的上下文信息特征,最后融合两部分特征.此外,为了解决数据不均衡问题,融入难负样本训练.在PASCAL VOC2007和PASCAL VOC2012数据集上的实验表明,MLC-CNN的均值平均精度(mAP)具有明显提高.

基于改进YOLO和迁移学习的水下鱼类目标实时检测 下载：72 浏览：385

李庆忠 李宜兵 牛炯 《人工智能研究》 2019年7期

摘要:
为了实现非限制环境中水下机器人基于视频图像的水下鱼类目标快速检测,提出基于改进YOLO和迁移学习的水下鱼类目标实时检测算法.针对YOLO网络的不足,设计适合水下机器人嵌入式系统计算能力的精简YOLO网络(Underwater-YOLO).利用迁移学习方法训练Underwater-YOLO网络,克服海底鱼类已知样本集有限的限制.利用基于限制对比度自适应直方图均衡化的水下图像增强预处理算法,克服水下图像的降质问题.利用基于帧间图像结构相似度的选择性网络前向计算策略,提高视频帧检测速率.实验表明,文中算法能实现在非限制环境下海底鱼类目标的实时检测.相比YOLO,文中算法对海底鱼类小目标和重叠目标具有更好的检测性能.

基于特征金字塔网络的目标检测算法 下载：69 浏览：422

施泽浩 《计算机研究与应用》 2018年7期

摘要:
目标检测是计算机视觉研究的一个主要方向,传统目标检测算法为检测不同尺度的图像,往往需要将图片进行缩放搭建图像金字塔,再在图像金字塔上做目标检测。将图像金字塔应用于基于深度学习的目标检测算法主要存在实时性问题。为此提出在网络中搭建特征金字塔,大大提高网络效率,并且提高检测效果。在PASCAL VOC2007目标检测权威数据库上实验结果表明,提出的算法能大大提高目标检测的召回率。

战争智能化趋势下基于图像处理的目标检测算法研究 下载：145 浏览：1588

袁海东 郝宇欣 杨敏巍 杨帅 高家乐 《信号处理与图像分析》 2023年11期

摘要:
随着战争智能化趋势的推进，智能技术在战争领域得到了广泛而深入的应用。本文针对战争智能化趋势下的图像处理方法进行研究，在目标检测中复杂背景下目标检测的算法占据越发重要的地位，本文搭建了目标检测网络并应用到目标检测中，获取目标位置信息。

基于全卷积神经网络的计算机视觉目标检测算法 下载：96 浏览：987

闫景瑞 《神经科学研究》 2024年3期

摘要:
近年来，计算机视觉技术迅猛发展，尤其是目标检测领域备受瞩目，目标检测技术在自动驾驶、智能监控、图像搜索等诸多领域有着重要的应用价值，随着深度学习的兴起，全卷积神经网络作为一种强大的模型结构，为目标检测任务带来了新的机遇和挑战。本文将深入剖析基于全卷积神经网络的计算机视觉目标检测算法，包括其核心思想、算法设计及实现流程等方面，为读者提供一个清晰的认识和全面的理解。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享