文件名称：使用卷积神经网络的对象检测-研究论文
文件大小：467KB
文件格式：PDF
更新时间：2024-06-29 19:11:41
Computer Vision Object
准确高效的目标检测一直是计算机视觉系统发展的重要课题。 随着深度学习技术的进步，目标检测的精度急剧提高。 世界上大量的视障人士启发了许多智能解决方案，这些解决方案使用复杂的技术来帮助他们的日常生活。 本文描述了一个旨在执行目标检测的系统，目标是在可接受的实时性能下实现高精度。 该系统旨在帮助视障人士通过物体检测来定位当今的物体。 该系统在 CIFAR-100 [1] 数据集上进行训练，该数据集由 100 个类别组成，每个类别有 500 个训练样本和 100 个测试样本。 总训练大小为 50000 个样本，测试大小为 10000 个样本。 实验结果通过使用卷积神经网络结合 dropout、batch normalization 和数据增强来确定哪种技术或技术组合为物体检测提供最佳性能。 然后用不同技术的组合来实施该系统。