作者:王马成; 黎海涛 期刊:《电子测量技术》 2019年第21期
提高大型停车场中的停车位检测精度和实时性具有重要意义。介绍了在基于深度学习框架tensorflow下搭建包括基础网络和辅助网络的网络结构。基础网络是Resnet网络,用于提取图像特征信息和图像分类信息;辅助网络是多尺度特征检测网络,用于提取不同尺度的特征图。最后通过非极大值抑制算法筛除重复检测框,得到停车位检测最佳位置。实验结果表明,该网络mAp值为81%,fps为32,与SSD、YOLO、Faster R-cnn相比,mAp值分别提高为2%,4.6%,0.5%,...
作者:赵文清; 严海; 邵绪强 期刊:《中国图象图形学报》 2018年第11期
目的作为目标检测的后置处理算法,非极大值抑制(NMS)算法被用于移除多余的检测框。然而,NMS算法在每轮迭代中抑制所有与预选取检测框Intersection-over-Union ( IoU )值大于给定阈值的检测框,容易造成目标的漏检和误检。此外,阂值的选取对整个算法的效果有着至关重要的影响。针对这个问题,本文提出了改进的NMS算法,分别为分段比例惩罚因子NMS算法和连续比例惩罚因子NMS算法。在连续比例惩罚因子NMS算法中,阈值对算法的...
作者:邹冲; 蔡敦波; 赵娜; 刘莹; 赵彤洲 期刊:《计算机工程》 2017年第05期
在方向梯度直方图(HOG)联合支持向量机(SVM)算法(HOG—SVM)和LeNet网络模型基础上,提出了HOG与卷积神经网络(CNN)融合的行人检测算法(SVM—LeNet)。采用多尺度滑动窗口提取HOG特征并送入SVM分类器,根据后验概率判断候选区,随后运用CNN算法剔除误检窗口。为解决单个目标被多个候选区域框定的问题,使用非极大值抑制算法(NMS)进行多矩形融合,保留检测区域中后验概率最大的窗口抑制与其重叠的检测窗口。分类过程中,...