基于Faster R-CNN多特征融合的人类活动检测网络

• 全文链接
• 请求原文

作   者：

刘登生;  陈利霞;  王学文;  梁胜梅; 

作者机构：

桂林电子科技大学广西高校数据分析与计算重点实验室;  桂林电子科技大学数学与计算科学学院;  桂林电子科技大学计算机与信息安全学院; 

关键词：

人类活动检测;  特征融合;  深度学习;  Soft-NMS; 

期刊名称：

桂林电子科技大学学报

基金项目：

自适应字典学习和非局部正则化的图像稀疏恢复建模与算法研究
层次稀疏认知框架下的压缩感知方法研究与应用

i s s n：

1673-808X

年卷期：

2018 年 05 期

页   码：

364-368

摘   要：

针对网络自身存在的网络特征提取不充分情况,将Faster R-CNN的共享卷积层进行前层特征融合,使得前层有用却不明显的特征可以在后层中被重新利用,达到增强网络细微特征提取的效果,并采用优化非极大值抑制(NMS)方法筛选候选框。实验结果表明,基于Faster R-CNN多特征融合的人类活动检测网络不仅可更完整地检测出人所在的位置,而且对目标漏检情况也有所改善,对活动中人的检测精度比Faster R-CNN网络提高了4.5%。