10.19665/j.issn1001-2400.2019.05.010
一种改进RetinaNet的室内人员检测算法
由于现有的人员检测算法研究对象主要是室外直立行人,而室内人员姿态多变,且图像拍摄角度与室外行人差别较大,所以使用以往的检测方法得到的效果并不理想.基于此,笔者针对室内人员检测数据集提出了一种高精度检测模型.该模型以RetinaNet网络为基础,在残差网络中引入通道注意力模块,间接实现卷积层的随机失活,增强模型泛化能力;通过维度聚类算法找出锚点的最佳尺寸,并据此找到合适的特征图进行预测.实验表明,这种算法在室内人员检测数据集上检测精度可达99.84％,且在速度和内存占用方面也优于其他算法.
机器视觉、卷积神经网络、室内人员检测
46
TP391(计算技术、计算机技术)
国家部委技术研究计划2017JSYJC35;青海民族大学理工自然科学重大项目2019xjz003
2019-12-03（万方平台首次上网日期，不代表论文的发表时间）
共7页
69-74,104
