基于卷积神经网络的行人检测方法研究新进展.pdf
是飞****文章
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于卷积神经网络的行人检测方法研究新进展.pdf
第卷第期安全与环境工程256Vol.25No.6年月201811
基于卷积神经网络的行人检测方法研究新进展.pdf
第卷第期安全与环境工程256Vol.25No.6年月201811
一种基于卷积神经网络的行人检测方法.pdf
本发明公开了一种基于卷积神经网络的行人检测方法,涉及计算机视觉中的深度学习领域,该方法利用卷积神经网络检测出行人,可以根据检测目标的尺寸不同动态的选择训练分支,得到更加准确的行人特征描述,无需手动设计行人特征,并且其检测准确率较高,检测速度较快,省时省力,可以应用在自动驾驶,辅助驾驶系统,安保系统以及机器人等多个领域,并且因为其基于深度学习方法,可以根据不同的应用场景获取不同的行人数据集进行训练,使其能够适用多种不同的领域,并且保持较高的检测准确率。
基于连续帧卷积神经网络的行人检测方法研究的任务书.docx
基于连续帧卷积神经网络的行人检测方法研究的任务书任务书一、任务目的行人检测在计算机视觉领域中具有重要的应用价值,在城市交通、安防等领域都有广泛的应用。随着机器学习和深度学习的不断发展,基于神经网络的行人检测方法也逐渐得到了广泛应用。本次任务的目的就是通过研究和实践,掌握基于连续帧卷积神经网络的行人检测方法,为实际应用提供可靠的技术支持。二、任务描述1.研究行人检测技术的发展历程和研究现状,掌握目前流行的行人检测方法及其优缺点。2.研究卷积神经网络的基本原理和常用架构,包括卷积层、池化层、全连接层等。3.研
基于卷积神经网络的目标检测方法研究的开题报告.docx
基于卷积神经网络的目标检测方法研究的开题报告一、选题背景随着计算机视觉技术的不断发展,目标检测作为计算机视觉领域的一个重要任务,越来越受到人们的关注。目标检测是指在图像或视频中,自动地识别出感兴趣的物体并给出其在图像中的位置和大小。目标检测在很多领域中都具有重要的应用,如智能交通、安防监控、机器人等。基于深度学习的目标检测方法,可分为两类,即基于区域提议的方法和基于单阶段检测。在基于区域提议的方法中,往往需要利用候选框来提取图像特征,再将特征送入分类器进行分类。而单阶段检测方法则直接从原图上预测出每个物体