齐鲁工业大学学报

2020, (03) 68-73

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

井下行人检测的改进Cascade R-CNN算法
Pedestrian Detection Method in Coal Mine Based on Cascade R-CNN

袁海娣

摘要(Abstract):

针对井下照明情况复杂、光线不均匀、背景复杂、行人特征不明显导致基于计算机图形识别的井下行人检测效果不佳这一问题,提出一种基于改进Cascade R-CNN的井下行人检测方法,以Cascade R-CNN为基础,引入Soft-NMS替换传统NMS,充分利用Cascade R-CNN的多阶段检测模型提高检测效果。实验表明:基于改进Cascade R-CNN的井下行人检测方法可有效针对井下特殊复杂情况,在井下行人数据集上获得了91.4%的检测准确率,并使用COCO检测评价矩阵评估模型对改进Cascade R-CNN算法进行了验证,相较于传统Cascade R-CNN算法平均精准度(AP)提升约2%。

关键词(KeyWords): 行人检测;视频监控;Cascade R-CNN;深度学习

Abstract:

Keywords:

基金项目(Foundation): 安徽省省级质量工程项目(2018MOOC082);安徽三联学院院级重点项目(KJZD2019011);安徽三联学院校级质量工程项目(19zlgc007)

作者(Author): 袁海娣

Email:

DOI: 10.16442/j.cnki.qlgydxxb.2020.03.011

文章评论(Comment):

序号(No.) 时间(Time) 反馈人(User) 邮箱(Email) 标题(Title) 内容(Content)
反馈人(User) 邮箱地址(Email)
反馈标题(Title)
反馈内容(Content)
扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享