一种基于卷积神经网络的水平集目标追踪方法.pdf
书生****文章
亲,该文档总共13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。
一种基于时空卷积神经网络的视频目标分割方法.pdf
本发明涉及计算机视觉的技术领域,特别是涉及一种基于时空卷积神经网络的视频目标分割方法,其不需要依赖光流标注信息来训练光流模型,节省人力资源,提高视频分割准确度;包括:使用ResNet‑101网络,前部均为卷积层,并且最后三个为反卷积层;使用三个跳过连接来连接低位图层功能以保留每个决议中的时空信息;输入为N幅连续的帧(I