文档名：甚高速区域卷积神经网络的船舶视频目标识别算法
为解决背景建模等传统视频目标识别算法在内河水运复杂环境误差过大的问题,提出了甚高速区域卷积神经网络(FasterR-CNN,FasterRegionConvolutionalNeuralNetworks)的船舶识别检测方法.文中分析了传统方法不足,阐述了卷积神经网络及后续的区域卷积神经网络的机理,给出了甚高速区域卷积神经网络特征模型,解析了损失函数的参数构建、参数设定,设定候选区域网络(RPN,RegionProposalNetworks)预测目标边界、计算匹配目标概率.经实际内河运动船舶视频检测,表明该算法对船舶识别率优于90％,同时对不同清晰度、不同视角、不同船舶流量的场景具有很好的鲁棒性,比传统的背景建模算法提高25.75％.
作者：杨名阮雅端陈林凯张鹏陈启美
作者单位：南京大学电子科学与工程学院南京210023
母体文献：2016年全国通信软件学术会议论文集
会议名称：2016年全国通信软件学术会议
会议时间：2016年6月24日
会议地点：西安
主办单位：中国通信学会
语种：chi
分类号：TP3TP1
关键词：船舶 目标识别 视频检测 卷积神经网络
在线出版日期：2017年12月4日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.66 MB
- 下载次数:
- 60
-
高速下载
|
|
