积分商城

最新搜索： ffmc 士兰微 光电二极管 NCK2913 cad200 阻抗计算
您现在的位置是：首页 > 技术资料 > 基于梯度双面互补特性的级联快速目标检测
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于梯度双面互补特性的级联快速目标检测

更新时间：2019-12-25 05:30:22 大小：1M 上传用户：zhiyao6查看TA发布的资源 标签：数据中心 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对目标检测中精度和速度难以兼顾的问题,借助视觉注意理论中的目标感知与识别机制,分析目标描述中梯度幅值与梯度方向信息之间具有的互补性,提出了基于两层级联梯度特征的快速目标检测模型,可有效描述类无关和类相关检测器.一方面,采用梯度幅值特征,从滑动窗口采样中获得候选目标提议,大幅降低了验证窗口的数量,确保检测速度,另一方面,利用级联方式学习训练多个子检测器,可更好实现不同尺度变化下的目标检测精度.PASCAL数据集上的实验结果,解释了级联梯度特征对目标结构描述的有效性,表明了该文方法在与现有先进方法的检测精度相当的前提下,可极大提升检测速度.


部分文件列表

文件名 大小
基于梯度双面互补特性的级联快速目标检测.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
10  
Vol． 45 No． 10  
Oct． 2017  
第
期
电
子
学
报
2017  
10  
ACTA ELECTRONICA SINICA  
年
月
基于梯度双面互补特性的级联快速目标检测  
， ， ，  
谢 昭 吴东涛 吴克伟 李 洋  
(
，
合肥工业大学计算机与信息学院 安徽合肥  
230009)  
:
， ，  
针对目标检测中精度和速度难以兼顾的问题 借助视觉注意理论中的目标感知与识别机制 分析目标  
摘
要
， ，  
描述中梯度幅值与梯度方向信息之间具有的互补性 提出了基于两层级联梯度特征的快速目标检测模型 可有效描述  
． ， ， ，  
类无关和类相关检测器 一方面 采用梯度幅值特征 从滑动窗口采样中获得候选目标提议 大幅降低了验证窗口的数  
， ， ， ，  
量 确保检测速度 另一方面 利用级联方式学习训练多个子检测器 可更好实现不同尺度变化下的目标检测精度  
．
PASCAL  
， ，  
数据集上的实验结果 解释了级联梯度特征对目标结构描述的有效性 表明了该文方法在与现有先进方法的  
，
检测精度相当的前提下 可极大提升检测速度  
．
:
;
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
目标检测 类无关和类相关 梯度特征 级联结构 互补性  
TP391 0372-2112 ( 2017) 10-2362-06  
DOI: 10． 3969 /j． issn． 0372-2112． 2017． 10． 008  
:
:
A
:
文章编号  
文献标识码  
电子学报  
The Cascaded Rapid Object Detection with  
Double-Sided Complementary in Gradients  
XIE Zhao，WU Dong-tao，WU Ke-wei，LI Yang  
( School of Computer and Information，Hefei University of Technology，Hefei，Anhui 230009，China)  
Abstract: To address the dilemma of trade-off between efficiency and accuracy for object detection，based on the  
mechanism of object perception and recognition in visual attention theory，the two sides derived from gradient feature as  
magnitude and direction have been revisited to manifest their complementary characteristics． The new rapid object detection  
model based on two-layer cascade with gradients is motivated，making two types of category-independent and category-de-  
pendent detectors efficiently described． On the one hand，gradient magnitude can be used to generate the efficient object pro-  
posal in clutter from sliding window samples which guarantees the significant decrease on the number of windows for candi-  
date and speeds up detection． On the other hand，the cascade-architecture in form of multiple sub-detectors can well adapt to  
the varying scales of different objects resulting in boost of accuracy． Experimental performance in PASCAL presents the ef-  
fectiveness of cascade structure for gradient features，and demonstrates that our model can dramatically speed up the detection  
with the advantages of comparable accuracy against the state-of-the-art．  
Key words: object detection; category-independent and category-dependent; gradient feature; cascade structure; com-  
plementarity  
，
随着深度学习的广泛研究 目标检测任务从传统  
1
引言  
［2，3］  
［4，5］  
，
．
相
模型  
逐渐向基于卷积神经网络的模型研究  
［6 ～ 8］  
［4］  
，
目标检测通过找到目标最具代表性的特征 训练  
，
RCNN  
比传统特征描述  
由于  
多像素间的关系 因此检测准确性有较大的提高 但  
RCNN  
能够描述出区域内  
，
得到区分目标和背景的分类器 从而在图像中确定目  
，
．
［1］  
．
标位置 目标检测在视频监控  
、
图像检索等多个领域  
，
．
特征提取形式复杂 难以胜任实时性处理需求  
， 、  
有着广泛应用 并为场景理解 行为识别等高层任务奠  
，
因此 结合人类视觉快速目标检测的仿生研究具有重  
．
定基础 现实任务对目标检测的精度和速度都有较高  
．
要意义  
， ，  
要求 因此 目标检测研究具有较大的挑战  
．
， ，  
基于神经生物学研究 快速目标感知 即目标提议  
: 2016-03-29;  
: 2016-08-10; :  
责任编辑 李勇锋  
收稿日期  
修回日期  
:
基金项目 国家自然科学基金  
( No． 61273237，No． 61503111)  
2363  
10  
:
昭 基于梯度双面互补特性的级联快速目标检测  
第
期
谢
［9，10］  
( object proposal) ，  
近年来受到广泛关注  
．
． ( 2) ，  
使用了级联特征 级联特征的高位为蓝色  
该理论以  
观验证  
，
生物神经信号为基本数据 假设人类视觉系统只对可  
，
标记的梯度幅值特征 低位为红色标记的梯度方向特  
．
能的目标位置进行选择性分析 本文将该理论拓展到  
， ，  
征 其中高位特征完成类无关目标提议任务 级联特征  
， 、  
目标检测任务 通过对传统模型中目标表达 分类过程  
． ( 3)  
完成类相关外观验证任务  
2． 2 2． 3 ，  
节介绍 其中级联特征模型  
模型中的两次参数学习  
，
和搜索策略的分析和理解 提出并实现一种快速准确  
，
过程 分别在  
节和  
的参数学习 建立在梯度幅值特征模型的参数学习基  
． ( 4)  
．
，
的级联目标检测模型  
，
本文模型与常用的级联结构的区别在于 其双层  
，
类相关外观验证中红色窗口和黄色窗口 表  
础上  
，
结构形成的特征和分类不是同质的 分别用于实现人  
，
示由于两个窗口尺度不同 类相关外观验证中使用不  
，
类视觉的目标感知与识别过程 即第一层视为类无关  
，
同的子模型参数验证 白色窗口为红色窗口和黄色窗  
( ) ， ，  
检测 前景和背景检测 第二层为类相关检测 在第一  
，
口经过回归映射得到的预测窗口 如图  
1( b)  
．
所示  
， ，  
层得到的候选框中 进行第二层的类别目标检测 兼顾  
2． 1  
特征互补性  
HOG  
．
了目标检测的速度和精度  
梯度直方图  
一定范围内幅度和方向的联合统计特性  
度幅值特征 φ 和梯度方向 φ 的归一化互信息计算  
特征分别描述了图像中的边缘在  
［7］  
．
目标的梯  
2
联合特征检测  
g
h
1( a)  
: ( 1)  
本文  
本文目标检测方法流程如图  
所示  
:
如下  
:
方法包括两层序列结构 类无关目标提议和类相关外  
2I( ， )  
φ
h
φ
g
U( ， ) =  
φ
h
( 1)  
，H( ) 、  
φ
g
φ
g
H( ) + H(  
φ
g
)
φ
h
I( ， )  
φ φ  
h
其中  
H(  
φ
h
表示向量 φ 与 φ 的互信息量  
g h  
g
)
、 ，  
分别表示向量 φ φ 的信息熵 归一化互信息  
g h  
U( ， ) ［0，1］． ，  
∈ 同理 可以计算样本之间的梯度幅  
h
φ
φ
g
．
值互信息或样本之间的梯度方向互信息  
( a) ( b)  
2
图
给出了类无关  
和类相关  
情况下多实例  
． ，  
特征之间的相关性 互信息值越大 表示区分目标类别  
． ，  
的能力差 图中不同颜色曲线的分布情况 表明梯度幅  
［7］  
，
背景 快速地生成高质量的目标提议窗口  
，
实现可能  
．
值特征与梯度方向特征具有互补性  
2． 2  
类无关目标提议  
． ，  
目标位置的快速感知过程 为了生成目标提议窗口 将  
，
原始图像不同长宽比的目标缩放为相同的长宽比 其  
， ，  
图像中不同类别的目标 利用梯度幅值特征 可以  
r = ( a，b) ， a b  
其宽度 和高度  
缩放后图像分辨率尺度为  
、 ，  
排除目标颜色 形状和大小的干扰 有效地区分目标和  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号