一种基于多尺度检测的深度神经网络.pdf
星菱****23
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于多尺度检测的深度神经网络.pdf
本发明一种基于多尺度检测的深度神经网络,在不同的网络层上设置多个检测网络,这样就解决了尺度变化的问题,即可以检测出小物体也可以检测大物体;在同一个网络层上设置多个不同大小不同形状的检测器,这样就解决了形状变化的问题;设置一个全新的合并层,将上面多个检测结果进行合并,共下面的分类网络使用;为了同时保留低层的细节信息和高层的全局信息,使用了一个特殊的反卷积层,对高层的特征层进行升维处理,并和低层的特征层进行特征合并,形成了新的特征图,然后对这个新的特征层进行ROIPooling处理,本发明大大缓解了深度神经
一种基于神经网络多尺度特征图的行人检测方法.pdf
本发明公开了一种基于神经网络多尺度特征图的行人检测方法,检测方法为:收集行人检测样本;对选取的视频进行截帧处理,仅保留含有行人的图片;制作样本标签;搭建轻量化残差特征提取网络;搭建多尺度特征图行人检测网络;对搭建的特征提取网络在样本数据集进行网络预训练;将训练好的特征提取网络与搭建的检测网络进行拼接,使用准备好的行人训练数据集进行最终的网络训练。本发明的有益效果是:本发明的检测方法是将残差网络作为特征提取网络,并与多尺度特征图行人检测网络进行拼接,能够在场景复杂、行人尺度变化大情况下进行检测,且准确率高、
一种基于多尺度深度卷积神经网络的全场位移在线识别方法.pdf
本发明提供一种基于多尺度深度卷积神经网络的全场位移在线识别方法包括步骤1,建立散斑图像‑位移数据集,标识出散斑图像对应的位移;步骤2,根据散斑图像的位移,将其分为不同尺度的数据集,并将散斑图裁剪到相应的尺寸;步骤3,构建基于深度学习的多尺度卷积神经网络,自动判断输入的散斑图的尺度,并输出相应的位移。本发明提出的多尺度神经网络,通过融合多个单尺度上学习到的位移信息,实现位移场的准确预测,并通过设计实验对所提方法的有效性进行验证,结果表明所提出的全场位移在线识别方法可提供准确的位移预测结果。
基于深度学习的多尺度目标检测研究的开题报告.docx
基于深度学习的多尺度目标检测研究的开题报告一、选题意义目标检测是计算机视觉中的重要问题之一,它的应用领域非常广泛,如人脸识别、车辆识别、视频监控、机器人视觉等。近年来,随着深度学习技术的快速发展,深度学习在目标检测技术中的应用越来越广泛,特别是基于深度学习的多尺度目标检测技术,可以解决目标尺度变化、遮挡和形变等问题,提高目标检测的准确率和效率。因此,本文选取了基于深度学习的多尺度目标检测作为课题研究,旨在探讨多尺度目标检测的优化方法、算法和实现过程,从而提高目标检测的效率和准确率,有助于推动目标检测技术的
一种基于多尺度并行门控神经网络的图像降噪方法.pdf
本发明公开了一种基于多尺度并行门控神经网络的图像降噪方法,包括以下步骤:将清晰图像和与清晰图像对应的噪声图像作为一个训练样本,以此构建训练集;构造图像降噪网络,该图像降噪网络包括用于提取图像特征的特征提取单元、用于对提取的图像特征进行逐步降噪的降噪处理单元、以及用于对降噪后的特征进行融合的特征重建单元;其中,降噪处理单元包含7个依次连接的多尺度门控模块;利用训练集训练图像降噪网络,获得图像降噪模型;应用时,将噪声图像输入至图像降噪模型中,经计算输出降噪图像。该方法能够充分利用多尺度信息,在去除噪声的同时最