基于全卷积神经网络的即时目标追踪检测方法及系统.pdf
St****36
亲,该文档总共14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
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
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。
一种基于卷积神经网络的水平集目标追踪方法.pdf
本发明涉及一种基于卷积神经网络的水平集目标追踪方法,属于目标追踪和视频处理技术领域。本该方法包括以下步骤:一、利用视频输入的第一帧和第一帧标准目标轮廓初始化Adaboost检测模块;二、调用检测模块获取物体在后续视频帧中的初步位置和形状;三、在上一步基础上运行水平集法追踪模块,精确分割物体轮廓;四、使用步骤三的结果区分前景/背景,更新检测模块的弱分类器。本发明所提出的卷积神经网络特征利用方式,能够对前景/背景做出更好的区分,从而提高检测准确性,提高了整体的目标追踪效果;能够平衡性能和效率,在相同的运行速度
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
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。