文件名称:基于自适应特征卷积网络的行人检测方法
文件大小:1.42MB
文件格式:PDF
更新时间:2024-05-20 08:15:11
行人检测 卷积神经网络 浅层细节特征
针对行人检测方法未能充分利用卷积网络浅层特征的问题,改进Faster R-CNN框架,提出了一种基于自适应特征卷积网络的行人检测方法。该方法有两处改进:a)设计了SFCM模块,用于提取卷积神经网络浅层细节特征;b)引用挤压与激励操作设计了AFCM模块,用于筛选检测所需的强辨识力行人特征。此外,利用公开的Caltech和INRIA行人数据集,通过在基准框架中逐一添加SFCM和AFCM模块训练行人检测器,验证了所提模块的有效性,并对比了主流行人检测算法。实验结果显示,所提方法的误检率分别降到了9.13%和9.46%,具有更优的检测性能。