TensorFlow平台下的视频目标跟踪深度学习模型设计北大核心CSCD

训练模型复杂且训练集庞大导致深度学习的发展受到严重阻碍。使用Google最新开源的TensorFlow软件平台搭建了用于视频目标跟踪的深度学习模型。介绍了深度学习的原理和TensorFlow的平台特性,提出了使用TensorFlow软件平台设计的深度学习模型框架结构,并使用VOT2015标准数据集中的数据设计了相应的实验。经实验验证,该模型具有较高的计算效率和识别精度,并可便捷地调整网络结构,快速找到最优化模型,很好地完成视频目标识别跟踪任务。     

基于特征融合的轻量级SSD目标检测方法

针对应用于嵌入式设备的轻量级目标检测算法,本文提出了一种基于特征融合的改进方案.针对目前Mobile-NetV2-SSD轻量级目标检测算法检测精度低、小目标检测效果差的问题,结合FPN特征金字塔的特征融合思想,选用了MobileNetV2-SSD中包含较多语义信息的3层特征层进行融合,利用多尺度检测的原理,将融合后的特...     

运动小目标实时检测系统的设计与分析

针对复杂背景条件下运动小目标的检测,采用时域递归低通滤波和多帧相关的方法设计了一种运动小目标实时检测系统。该系统适用于背景缓慢变化或背景处于相对静止的环境,能够在恒虚警概率条件下,很好地确定小目标的位置。通过自适应阈值处理可以识别出小目标的轮廓。     

基于改进SSD的水下光学图像感兴趣目标检测算法研究

针对轻量化目标模型SSD-MV2对水下光学图像感兴趣目标检测精度低的问题,该文提出一种通道可选择的轻量化特征提取模块(SEB)和一种卷积核可变形、通道可选择的特征提取模块(SDB)。与此同时,利用SEB模块和SDB模块分别重新设计了SSD-MV2的基础网络和附加特征提取网络,记作SSD-MV2SDB,并为其选择了合理的基础网络扩张系数和附加特征提取网络SDB模块数量。在水下图像感兴趣目标检测数据集UOI-DET上,SSD-MV2SDB比SSD-MV2检测精度提高3.04%。实验结果表明,SSD-MV2SDB适用于水下图像感兴趣目标检测任务。     

基于计算机视觉的车辆目标检测算法研究

计算机视觉技术在车辆目标检测领域已有重要的应用。本文以计算机视觉技术为基础,深入研究和分析运动目标识别与追踪算法的性能。在此基础上,提出车辆目标检测算法,并通过实验验证算法的实用性和可行性。实验结果表明,车辆目标检测算法能够大幅提高检测精度,减少误报率和漏报率,同时具有良好的运行效果。这项算法具有较强的实用性和应用价值。     

基于TensorFlow的人脸识别容器云平台框架设计

随着电视与网络视听节目的蓬勃发展,基于人脸面部特征识别的节目视频特定人物自动识别的计算需求急剧增加.为提高计算资源的利用率,建设具有资源弹性伸缩和多租户特性的人脸识别平台,本文在分析计算机系统各层次虚拟化方式的基础上,提出了人脸识别容器云平台框架.     

基于Transformer目标检测研究综述

目标检测是计算机视觉领域三大任务之一,同时也是计算机视觉领域内一个最基本和具有挑战性的热点课题,近一年来基于Transformer的目标检测算法研究引发热潮.简述Transformer框架在目标检测领域的研究状况,介绍了其基本原理、常用数据集和常用评价方法,并用多种公共数据集对不同算法进行对比以分析其优缺点,在综述研究...     

基于深度学习的目标检测技术的研究综述

深度学习已经成为机器视觉领域应用最为广泛的技术方法,基于深度学习的目标检测技术是当前的一项热门研究课题。文章首先对国内外目标检测技术的最新研究进展进行了梳理,并分析和总结了传统目标检测方法的优缺点;然后详细介绍了几种基于深度学习的目标检测技术及其优缺点;最后讨论了现阶段深度学习存在的问题和未来的发展方向。     

基于ResNeXt-SSD的多目标缺陷检测算法

为了在满足检测速度的同时提升检测质量,研究了一种基于ResNeXt-SSD模型的多目标检测算法.算法在不额外增加参数复杂度的前提下采用了基于分组卷积优化残差块的SSD检测算法.通过优化骨干提取网络的残差结构增加了特征提取网络的稳定性.实验结果表明ResNeXt-SSD算法在保证实时性的同时更好地提升了目标检测的精准度.     

基于MobileNet-SSD的红外人脸检测算法

针对"可见光"+"热红外"融合的双光人脸检测算法对硬件依赖性高的劣势.本文提出一种基于MobileNet-SSD的红外人脸检测算法,该算法可以直接检测出红外图像中的人脸区域,对硬件的依赖性较低.同时实验结果表明该算法的检测精度和实时性均有所提高,可以直接运用到"疫情"期间的智能体温监控系统中.     

基于深度学习的图像目标检测算法综述

图像目标检测是找出图像中感兴趣的目标，并确定他们的类别和位置，是当前计算机视觉领域的研究热点。近年来，由于深度学习在图像分类方面的准确度明显提高，基于深度学习的图像目标检测模型逐渐成为主流。首先介绍了图像目标检测模型中常用的卷积神经网络；然后，重点从候选区域、回归和anchor-free方法的角度对现有经典的图像目标检测模型进行综述；最后，根据在公共数据集上的检测结果分析模型的优势和缺点，总结了图像目标检测研究中存在的问题并对未来发展做出展望。     

LiDAR-only 3D object detection based on spatial context

LiDAR-based 3D Object detection is one of the popular topics in recent years, and it is widely used in the fields of autonomous driving and robot controlling. However, due to the scanning pattern of LiDAR, the point clouds of objects at far distance are sparse and more difficult to be detected. To solve this problem, we propose a two-stage network based on spatial context information, named SC-RCNN (Spatial Context RCNN), for object detection in 3D point cloud scenes. SC-RCNN first uses a backbone with sparse convolutions and submanifold sparse convolutions to extract the voxel features of point scenes and generate a series of candidate boxes. For the sparsity of far-distance point clouds, we design the local grid point pooling (LGP Pooling) to extract features and spatial context information around candidate regions for subsequent box refinement. In addition, we propose the pyramid candidate box augmentation (PCB Augmentation) to expand the candidate boxes with a multi-scale style, enriching the feature encoding. The experimental results show that SC-RCNN significantly outperforms previous methods on KITTI dataset and Waymo dataset, and is particularly robust to the sparsity of point clouds.     

基于空间-通道注意力的改进SSD目标检测算法

目标检测的任务是精确识别,有效定位出图像中目标物体,且预定义其类别.针对主流目标检测(single shot multibox detector,SSD)算法存在小目标检测准确度不高,检测效率较低等问题,提出一种基于空间-通道注意力机制的SSD目标检测算法(spatial and channel single shot...     

基于深度学习的车载屏幕文本检测与识别研究

车载屏幕文本图片显示内容丰富、背景多样性、文本信息较多且大小、方向不定等问题,导致文本检测与识别过程中出现准确率低、检测速度慢的问题,因此提出了一种基于深度学习的车载屏幕文本检测与识别的系统.该系统的文本检测模型采用改进的EAST网络,应用DenseNet网络作为特征提取网络以增强特征重用,为了改善长文本的预测效果,采...     

基于视频监控的电力设备防破坏预警系统的方法

随着现代化建设的加快,人们对于供电需求日益增大。为保证稳定的供电供应,需要阻止一切破坏电力设备的行为。因此文中提出了一种基于视频监控的电力设备防破坏方法,该方法的核心为目标跟踪算法,但由于传统的KCF算法具有窗口漂移丢失目标等缺点,文中提出了一种改进型目标跟踪算法C-KCF,在C-KCF基础上,结合距离判断和时间判断,实现对电力设备的破坏的预警。经过实验表明,该方法的成功率在90%以上。     

基于时空的弱点状运动目标检测技术

如何在复杂背景下持续有效地检测目标位置,一直是研究者们需要面对的主要挑战。本文在研究红外点状移动目标特征的基础上,根据目标无纹理,无形状的特性,提出一种改进的形态学目标增强算法,并利用目标连续时空不变性检测目标。首先,建立多尺度的图像金字塔,在每层上采用改进的形态学算法快速、粗糙定位小目标。然后进一步的根据目标在时空上的位置相关性,提出基于目标运动特征分析的精确检测方法。得到精确稳定的检测结果。最后实验结果表明与经典的形态学检测算法及其他算法相比,该技术能更有效地检测弱小目标,具有更高的鲁棒性。     

基于粒子滤波的运动物体检测跟踪

提出了一种状态空间模型粒子滤波算法,并应用于运动目标的跟踪。该方法基于贝叶斯估计,利用粒子集来表示概率,通过递推的贝叶斯滤波来近似逼近最优化结果,在预设搜索区域用粒子群找到和目标模板最相似的中心位置,并以该位置作为观测值,进行跟踪。仿真实验结果和两种实际条件下效果比较表明该算法在跟踪低常速运动中精准性高,是一种有效的目标跟踪方法。     

基于ARM嵌入式图像处理平台的太阳跟踪系统

基于计算机视觉原理,以ARM微控制器为核心构建嵌入式图像处理平台,实现了对太阳的实时跟踪。系统采用CMOS图像传感器采集太阳图像,通过微控制器计算太阳角度,通过串口控制转台,实现对太阳的高精度跟踪。同时,与视日运动规律相结合,保证系统的可靠性。试验表明,该系统在降低系统能耗的同时,能可靠有效地跟踪太阳运动。     

利用稀疏化生物视觉特征的多类多视角目标检测方法

鉴于生物视觉特征在目标分类中的良好性能,采用了一种基于稀疏化生物视觉特征的多类多视角目标检测方法。首先利用特征稀疏化方法对生物视觉的标准模型进行改进,有效提高了目标的可分性,然后利用滑动窗口的方法构建基于稀疏化生物视觉特征的目标检测器,采用局部邻域抑制算法完成特定目标的检测任务,最后通过构建场景中待检测目标的词典,对每类目标分别设计滑动检测器以完成多类多视角目标的检测任务,实验结果表明,该方法具有很好的检测性能。