国家自然科学基金(61300163)
- 作品数：4 被引量：17H指数：2
- 相关作者：闫胜业徐超王蒙更多>>
- 相关机构：南京信息工程大学更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于双向神经网络的图像分类算法被引量：1
- 2018年
- 卷积神经网络需要把特征矩阵转换成向量才能进行全连接,对特征空间结构信息造成破坏。针对这个问题,提出一种基于双向神经网络的图像分类算法。利用双向(Two-Directional)层替代原先网络框架中的全连接层并进行端到端的训练,减少特征空间结构信息的损失,提出一种扩展BP算法,用于求解双向神经网络的学习问题。改进CaffeNet及vgg-16模型并在Caltech-256和Oxford Flower-102数据集上进行图像分类对比实验,实验结果表明,在相同的实验条件下双向神经网络算法能有效提升图像分类的性能。
- 季思文闫胜业王蒙
- 关键词：卷积神经网络图片分类特征提取
- 中心像素加权的无锚框孪生网络跟踪器
- 2023年
- 为解决SiamRPN++超参数多,对相似背景干扰的判别性不强等问题,提出一种中心像素加权的无锚框孪生网络跟踪器(CPW-Siam)。引入无锚框回归方式,直接在像素点上预测目标框,避免超参数过多的影响;对像素点进行更精确的样本划分,使正样本像素点包含的背景更少,提升特征判别能力;通过中心加权采样,体现正样本像素点不同的关注度,使跟踪器能够做出更精确预测。在VOT2018数据集上的实验结果表明,CPW-Siam的EAO相较SiamRPN++提高了4.5个百分点。
- 谭敏闫胜业
- 关键词：超参数跟踪器
- 车辆运动轨迹建模和跟踪滤波被引量：2
- 2018年
- 针对视频车辆跟踪检测任务中由于被遮挡、阴暗变化等噪声而导致的跟踪结果不精确问题,提出了一种基于运动模型的车辆运动轨迹建模和跟踪滤波方法。通过对连续视频图像上的车辆位置信息进行分析,准确把握当前车辆运动状态,建立准确的车辆运动轨迹模型,预测车辆在下一帧图像中的位置。进而与传统车辆检测跟踪算法相结合,提升车辆跟踪的准确率。通过在OTB2015车辆数据集和自选数据集上进行两种算法的优化对比实验。实验结果表明,车辆运动轨迹建模方法能显著地提高系统的跟踪性能,在相同的评估条件下,融合了上述算法的传统跟踪算法在原来的基础上精确度提升了6到8个百分点,成功率提升了4个百分点。
- 季思文闫胜业黄宇维
- 关键词：智能交通车辆跟踪视频检测跟踪滤波
- 改进的卷积神经网络行人检测方法被引量：14
- 2017年
- 为了在行人检测任务中使卷积神经网络(CNN)选择出更优模型并获得定位更准确的检测框,提出一种改进的基于卷积神经网络的行人检测方法。改进主要涉及两个方面:如何决定CNN样本迭代学习次数和如何进行重合窗口的合并。首先,关于CNN样本迭代次序问题,在顺序迭代训练多个CNN分类模型的基础上,提出一种基于校验集正确率及其在迭代系列分类器中展现出的稳定性进行更优模型选择的策略,以使最终选择的分类器推广能力更优。其次,提出了一种不同于非极大值抑制(NMS)的多个精确定位回归框合并机制。精确定位回归框的获取以CNN检测过程输出的粗定位框作为输入。然后,对每个粗定位框应用CNN精确定位过程并获得对应的精确定位回归框。最后,对多个精确定位回归框进行合并,合并过程考虑了每个精确定位回归框的正确概率。更精确地说,最终的合并窗口是基于多个相关的精确定位回归框的概率加权求和方式获得。针对提出的两个改进,在国际上广泛使用的行人检测公共测试数据集ETH上进行了一系列实验。实验结果表明,所提的两个改进方法均能有效地提高系统的检测性能,在相同的测试条件下,融合两个改进的方法相比Fast R-CNN算法检测性能提升了5.06个百分点。
- 徐超闫胜业
- 关键词：卷积神经网络图像分类行人检测
