-
公开(公告)号：CN108537286B
公开(公告)日：2020-11-24
申请号：CN201810345899.9
申请日：2018-04-18
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于关键区域检测的复杂目标精准识别方法，包括：使用交叉训练的方法对整个神经网络进行融合训练，使用卷积神经网络提取目标特征，使用检测子网络以锚方框作为参考检测复杂目标的关键区域，使用区域标准池化将关键区域池化为固大小的特征图，使用分类子网络对关键区域进行分类，融合各个关键区域的分类结果从而达到对目标的精准识别。整个网络包括了关键区域检测子网络和关键区域分类子网络，由检测子网络检测出复杂目标具有区分度的关键区域，再由分类子网络对关键区域进行分类，融合各区域的分类结果对整体目标进行识别。这两个子网络共享了VGG卷积神经网络提取的特征,从而使复杂目标的识别达了到快速与精准的效果。
-
公开(公告)号：CN109829398B
公开(公告)日：2020-03-31
申请号：CN201910041920.0
申请日：2019-01-16
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于三维卷积网络的视频中的目标检测方法，包括：使用交叉训练的方法对整个网络进行融合训练，使用三维卷积网络提取特征并融合前后帧的上下文信息，使用候选区域生成网络生成可能存在目标的候选区域，使用区域标准池化方法对候选区域进行标准池化，对每一个候选区域进行分类与边界框回归微调，使用非极大抑制过滤冗余的检测结果。该检测方法利用基于候选区域生成网络的两阶段检测框架对目标进行检测；在特征提取时，为充分利用视频中图像序列的时序信息，使用待检测目标帧的前后若干帧构成立方体，并使用三维卷积网络进行特征提取，从而实现精确的视频中目标检测效果。
-
公开(公告)号：CN108537286A
公开(公告)日：2018-09-14
申请号：CN201810345899.9
申请日：2018-04-18
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于关键区域检测的复杂目标精准识别方法，包括：使用交叉训练的方法对整个神经网络进行融合训练，使用卷积神经网络提取目标特征，使用检测子网络以锚方框作为参考检测复杂目标的关键区域，使用区域标准池化将关键区域池化为固大小的特征图，使用分类子网络对关键区域进行分类，融合各个关键区域的分类结果从而达到对目标的精准识别。整个网络包括了关键区域检测子网络和关键区域分类子网络，由检测子网络检测出复杂目标具有区分度的关键区域，再由分类子网络对关键区域进行分类，融合各区域的分类结果对整体目标进行识别。这两个子网络共享了VGG卷积神经网络提取的特征,从而使复杂目标的识别达了到快速与精准的效果。
-
公开(公告)号：CN109829398A
公开(公告)日：2019-05-31
申请号：CN201910041920.0
申请日：2019-01-16
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于三维卷积网络的视频中的目标检测方法，包括：使用交叉训练的方法对整个网络进行融合训练，使用三维卷积网络提取特征并融合前后帧的上下文信息，使用候选区域生成网络生成可能存在目标的候选区域，使用区域标准池化方法对候选区域进行标准池化，对每一个候选区域进行分类与边界框回归微调，使用非极大抑制过滤冗余的检测结果。该检测方法利用基于候选区域生成网络的两阶段检测框架对目标进行检测；在特征提取时，为充分利用视频中图像序列的时序信息，使用待检测目标帧的前后若干帧构成立方体，并使用三维卷积网络进行特征提取，从而实现精确的视频中目标检测效果。
-
-
-
Search Results
4
records
(took 0.017 seconds)
