内容提供者
一种基于双阶段卷积神经网络的目标检测方法及系统.pdf
2023-07-24
10金币
584KB
12页
努力****妙风
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共12页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
一种基于双阶段卷积神经网络的目标检测方法及系统.pdf
本发明涉及一种基于双阶段卷积神经网络的目标检测方法及系统。其方法包括，获取检测区域内的视频流，并将所述视频流进行预处理，得到多帧帧图片；将多帧所述帧图片输入至预先训练好的YOLOv3目标检测改进模型中进行目标检测，得到带有检测目标帧图片。本发明采用改进的YOLOv3的双阶段卷积神经网络对目标进行实时监测，更精确地获得同一运动物体的实时位置信息，避免了多目标及重叠目标的计算误差，实现运动中多目标物体的实时跟踪，检测准确率高。
2023-07-24
10
584KB
基于卷积神经网络的目标检测方法.pdf
本发明公开了一种基于卷积神经网络的目标检测方法,主要解决现有目标检测方法网络复杂、速度不快和对小目标检测效果差的问题。本发明的具体步骤如下:(1)构建积神经网络;(2)生成目标检测训练集;(3)训练卷积神经网络;(4)对待检测目标进行检测。本发明构建了一个由特征提取模块、特征增强模块、识别和定位模块组成的卷积神经网络,克服了现有目标检测方法中大目标检测效果好、小目标检测效果差并且速度慢的问题,使得本发明不仅能够实时识别大目标,也能实时识别小目标。
2023-06-06
10
704KB
基于全卷积神经网络的即时目标追踪检测方法及系统.pdf
本发明公开了一种基于全卷积神经网络的即时目标追踪检测方法及系统，方法包括：S1、进行数据增强处理，得到训练样本；S2、将训练样本与第一帧对应的目标分割图以颜色通道维度进行组合；S3、将训练样本第二帧对应的目标分割图与其转置图在颜色通道维度进行组合；S4、构建全卷积对抗神经网络，其由全卷积网络和判别器网络构成；S5、训练判别器判断该分割图是由全卷积网络生成的伪造数据还是真实数据；S6、将分割图与其标签使用交叉熵计算损失值1和损失值2；S7、将步骤S5和S6轮流进行，直到全卷积网络生成尽可能接近真实的人为绘制
2023-08-29
10
883KB
一种基于卷积神经网络的SAR动目标检测方法.pdf
本发明公开一种基于卷积神经网络的SAR动目标检测方法，应用于SAR运动目标检测领域，针对现有技术存在的可用待检测目标辅助数据距离门个数要求高等缺陷，本发明的方法通过构建卷积神经网络，并对神经网络进行训练，根据神经网络检测得到的总多普勒频率、目标相对合成孔径的角度，计算得到目标速度，从而实现SAR动目标检测；具备在待检测目标辅助数据距离门个数少的情况下实现检测的优点。
2023-11-01
10
519KB
基于卷积神经网络的室内密集目标检测方法.pdf
本发明提供了一种基于卷积神经网络的室内密集目标检测方法，包括：图像尺度归一化；图片的分类和定位，将尺度归一化的图片输入卷积神经网络模型，通过卷积神经网络模型进行向前推理，对尺度归一化的图片同时完成分类和定位，获取多个待检测目标的检测框；唯一检测框，使用非极大值抑制算法对每个待检测目标出现重复的检测框进行筛选，获取每个待检测目标的唯一检测框；检测目标的定位，通过图片的分类和定位，以及对检测框的筛选，得到的最终坐标信息和类别置信度在图片中以矩形框的形式表示，矩形框即为待检测目标的检测框，对每个待检测目标进行定
2023-07-22
10
565KB