设计应用

基于K-Means算法的SSD-Mobilenet模型优化研究

作者:刘津龙,贾郭军
发布日期:2021-01-19
来源:信息技术与网络安全

0    引言

  目标检测是将目标从图像中提取出来的计算机视觉技术,是计算机视觉领域的重要组成部分,是一切计算机视觉任务的基础,具有较高的研究价值。运动目标检测是从不断变化的序列图像中进行目标的识别和定位,分为静态背景下的目标检测和动态背景下的目标检测。目前,解决目标检测问题的思路主要有如下两种:一是依赖于目标的先验知识,提前为运动目标建模,然后在图像序列中实时找到匹配的目标;二是不依赖于先验知识,直接从图像序列中检测到运动目标,并进行类别判定。

  传统的目标检测一般使用滑动窗口的检测机制,主要包括以下三个步骤:第一步利用不同尺寸的滑动窗口[1]在滑动途中覆盖的某一部分作为候选区域;第二步提取候选区域相关的视觉特征形成特征向量,例如人脸检测常用的Harr特征[2],行人检测和普通目标检测常用HOG特征[3];第三步利用提取到的特征对目标进行识别和定位。该类目标检测算法的窗口区域选择策略没有针对性,时间复杂度高,窗口冗余相对较多。手工设计的特征对目标可能出现的多样性变化没有较强的鲁棒性,比如形态变化和光照影响等。

 



本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003315




作者信息:

刘津龙,贾郭军

(山西师范大学 数学与计算机科学学院, 山西 临汾041000)    


此内容为AET网站原创,未经授权禁止转载。
目标检测 k-means SSD-Mobilenet模型 锚点框 聚类
Baidu
map