改进的Faster R-CNNRPN网络红外背景下的车辆检测具有重要的应用意义,为了解决在复杂背景下红外视频的车辆检测时视野中的车辆目标像素差距过大以及目标重叠的问题,提出一种改进的Faster R-CNN网络模型.针对视野内车辆目标重叠率较高的问题,设计了一种改进的soft-NMS(Non-Maxi-mum Suppression)方法对RPN(Region Proposal...
基于改进的Faster R-CNN目标检测算法研究.pdf,摘要 基于改进的Faster R-CNN 目标检测算法研究 近年来,计算机视觉在日常生活中的重要作用日益凸显。目标检测作为计算 机视觉的基本工作之一,得到了普遍的应用,不仅可以对目标进行识别还可以对 图片、视频等资料进行解释,可
FasterR-CNN(Region-basedConvolutionalNeuralNetwork)是一种目标检测算法,由于其卓越的性能和鲁棒性,已经成为了目标检测中的热门方法之一。 二、FasterR-CNN算法简介 FasterR-CNN是由两个主要组件构成的目标检测框架:区域生成网络(RegionProposalNetwork,RPN)和FastR-CNN。RPN用于生成候选目标区域,而FastR-CNN则用于对...
基于改进的Faster R-CNN目标检测算法研究 刘琳 吉林大学 分分 类 号: TP391 单位代码:10183 研究生学号:2018544025 密 级:公开 吉林大学 硕士学位论文 (专业学位) 基于改进的 Faster R-CNN 目标检测算法研究 Research on Object Detection Algorithm Based on Improved Faster R-CNN 作作者姓名:刘 琳类类 别:...
为充分利用当前大量注释的RGB图像数据提高热红外图像的目标检测性能,提出一种基于深度学习模型的无监督域自适应(UDA)方法.对Faster RCNN骨干网络进行改进,增强感受野表征能力,优化目标框的正负样本不平衡问题和回归机制.为解决从RGB域到红外域迁移过程中不同层面的域偏移问题,在改进Faster RCNN架构的不同网络层和不同...
第一种是应用回归算法进行目标检测，第二种是应用分类算 法进行目标检测。基于回归的目标检测算法包括YOLO 模型。YOLO 模型 直接在待检测图像上进行训练，主要将图像划分成为一些网 格，每个网格都检测以网格为中心的目标，它是牺牲准确性 来换取目标检测速度的方法。基于分类的目标检测算法的典型代表是Fastw -RCNN ...
摘要针对基于区域的目标检测算法中定位精度不高的问题，本文提出了一种分裂机制的改进Faster RCNN算法。该算法首先选择特征提取能力强的卷积神经网络(CNN)作为骨干网络进行特征的提取;然后通过12种不同Anchors产生候选目标区，以进一步提升检测的精确度;最后将得到的特征分别传送到两个子网络，分别实现分类与定位。分类网络...
基于改进的Faster R-CNN近岸舰船目标检测方法研究.docx,基于改进的Faster R-CNN近岸舰船目标检测方法研究 摘要 我们国家领海面积广阔,大约占我们国家总体面积的三分之一,并且海上相邻国家较多,经常会发生海上纠纷,这时候大力发展海上军事力量就显得尤其重要,因此对海面
基于Faster RCNN改进的少样本目标检测方法.pdf,本发明提供一种基于FasterRCNN改进的少样本目标检测方法。本发明在传统目标检测框架FasterRCNN的基础上,结合CBAM注意力模块、全局‑局部关系检测器以及基于余弦Softmax损失的分类器对FasterRCNN进行了深度优化和改进,使其
服装目标检测作为目标检测的一个子领域,具有很大的应用前景。本文基于Faster R-CNN算法,针对服装目标检测中存在的一些问题提出了改进方法,包括数据增强、多尺度训练、类别不平衡处理和后处理技术等。实验结果表明,我们提出的方法在服装目标检测任务中取得了较好的效果。 1.介绍 服装目标检测是指在图像中自动识别并定位...