摘要 ：

目的 视频目标检测旨在序列图像中定位运动目标,并为各个目标分配指定的类别标签.视频目标检测存在目标模糊和多目标遮挡等问题,现有的大部分视频目标检测方法是在静态图像目标检测的基础上,通过考虑时空一致性来提高运动目标检测的准确率,但由于运动目标存在遮挡、模糊等现象,目前视频目标检测的鲁棒性不高.为此,本文提出了一种单阶段多框检测(single shot multibox detector,SSD)与时空特征融合的视频目标检测模型.方法 在单阶段目标检测的SSD模型框架下,利用光流网络估计当前帧与近邻帧之间的光流场,结合多个近邻帧的特征对当前帧的特征进行运动补偿,并利用特征金字塔网络提取多尺度特征用于检测不同尺寸的目标,最后通过高低层特征融合增强低层特征的语义信息.结果 实验结果表明,本文模型在ImageNet VID(Imagelvet for video object detetion)数据集上的mAP(mean average precision)为72.0％,相对于TCN(temporal convolutional networks)模型、TPN+LSTM(tubelet proposal network and long short term memory network)模型和SSD+孪生网络模型,分别提高了24.5％、3.6％和2.5％,在不同结构网络模型上的分离实验进一步验证了本文模型的有效性.结论 本文模型利用视频特有的时间相关性和空间相关性,通过时空特征融合提高了视频目标检测的准确率,较好地解决了视频目标检测中目标漏检和误检的问题.

关键词 ：

光流 目标检测 单阶段多框检测 特征融合 特征金字塔网络

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

SSD与时空特征融合的视频目标检测

关键词 ：

目标检测 特征融合 光流 单阶段多框检测 特征金字塔网络

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

基于深度学习的小目标检测方法综述

关键词 ：

特征金字塔 小目标检测 上下文 数据增强 深度学习 目标检测

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

为了便于对建筑外墙瓷砖松动和开裂现象进行定期排查以保证周围居民的人身安全，本文提出了一种通过高分辨率相机拍摄的楼面图像进行微小缺陷自动检测的方法。首先，将原始检测任务划分为大尺度下的非墙体分割任务以及小尺度下的缺陷检测任务；其次，分别针对这些任务训练相应的深度模型并应用其进行处理；最后，将这些多尺度任务的处理结果进行融合，得到微小缺陷的最终检测结果。实验表明本文算法在精度和效率上都要明显优于单尺度方法。本文算法已在某小区实际部署运行并取得了良好的效果，具有很高的实用价值。

关键词 ：

墙面 多尺度 卷积神经网络 缺陷 负反馈技术 高分辨率检测器 目标检测 滑窗

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

目的 卷积神经网络广泛应用于目标检测中,视频目标检测的任务是在序列图像中对运动目标进行分类和定位.现有的大部分视频目标检测方法在静态图像目标检测器的基础上,利用视频特有的时间相关性来解决运动目标遮挡、模糊等现象导致的漏检和误检问题.方法 本文提出一种双光流网络指导的视频目标检测模型,在两阶段目标检测的框架下,对于不同间距的近邻帧,利用两种不同的光流网络估计光流场进行多帧图像特征融合,对于与当前帧间距较小的近邻帧,利用小位移运动估计的光流网络估计光流场,对于间距较大的近邻帧,利用大位移运动估计的光流网络估计光流场,并在光流的指导下融合多个近邻帧的特征来补偿当前帧的特征.结果 实验结果表明,本文模型的mAP(mean average precision)为76.4％,相比于TCN(temporal convolutional networks)模型、TPN+LSTM(tubelet proposal network and long short term memory network)模型、D(&T loss)模型和FGFA(flow-guided feature aggregation)模型分别提高了28.9％、8.0％、0.6％和0.2％.结论 本文模型利用视频特有的时间相关性,通过双光流网络能够准确地从近邻帧补偿当前帧的特征,提高了视频目标检测的准确率,较好地解决了视频目标检测中目标漏检和误检的问题.

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

基于深度学习的目标检测算法因其模型复杂度和对计算能力的要求,难以部署在移动设备等低算力平台上.为了降低模型的规模,提出一种轻量级目标检测算法.该算法在自顶向下的特征融合的基础之上,通过添加注意力机制构建特征金字塔网络,以达到更细粒度的特征表达能力.该模型以分辨率为320×320的图像作为输入,浮点运算量只有0.72 B,并在VOC数据集上取得了74.2％的mAP,达到了与传统单阶段目标检测算法相似的精度.实验数据表明,该算法在保持了检测精度的同时显著降低了模型运算量,更适合低算力条件下的目标检测.

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

　　随着老年人口的增加，老年人在家中或外面跌倒的现象越来越普遍，因此跌倒检测对老年人的健康保护具有重要意义。在国内外跌倒检测的研究中，大多数基于视频监控的跌倒检测都比较复杂且产生冗余，影响了检测的实时性和准确性。针对上述问题，提出了一种在复杂环境下基于视频的跌倒检测方法，旨在更加准确、快速地检测跌倒行为。针对人体跌倒的特征，设计了一种基于YOLOv3网络的检测模型，详细介绍了模型的结构与特性。参考了Pascal VOC数据集格式，根据网上收集的人体跌倒和非跌倒状态的图片来建立数据集。利用K-means聚类算法优化网络anchor参数，在GPU服务器中对算法模型进行训练，得到最优的权重模型。将YOLOv3网络模型的测试结果与其他检测算法进行比较，证明所提检测算法具有良好的识别效果。

关键词 ：

模型训练 深度学习 目标检测 跌倒检测

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

为了使快速区域卷积神经网络(faster region-based convolutional neural network, Faster R-CNN)适用于小尺寸结构缝隙目标检测的应用,提出了一种基于Faster R-CNN的缝隙检测与提取算法,保留了小尺寸结构目标的细节信息,并提升了检测准确率.该算法分为缝隙检测和缝隙提取2个阶段.首先,在faster R-CNN的目标检测框架下,选取ImageNet数据集上的视觉几何组(visual geometry group, VGG)网络预训练模型作为特征提取网络,调整网络模型使其适应具有小尺寸结构的缝隙目标,并通过缝隙检测网络的训练确定最优的网...

关键词 ：

卷积神经网络 快速区域卷积神经网络 深度学习 缝隙提取 缝隙检测 视觉几何组

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

双尺度网络高分辨率楼面影像微小缺陷检测

关键词 ：

卷积神经网络 墙面 多尺度 滑窗 目标检测 缺陷 负反馈技术 高分辨率检测器

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

【目的】随着计算机视觉和智慧农业的快速发展,果实检测技术已成为研究热点。然而在果园实际应用场景中,存在模型计算量大、目标果实尺度小的问题,导致模型难以在边缘设备上实时运行且小目标果实检测精度低,因此文章通过改进Yolov3模型,设计并实现一种轻量化小目标果实检测模型RegNet-Yolov3,能够在边缘设备上实时运行并实现高精度果实检测。【方法】该模型通过构建轻量化特征提取网络,有效降低模型参数计算量,满足在边缘设备上实时运行要求;并针对柑橘果实小尺度特点,通过添加浅层网络检测分支优化模型小目标检测性能,提升检测精度。【结果】将模型部署在边缘设备Jetson TX2 nano上进行测试,模型m...

关键词 ：

Jetson TX2 nano Yolov3 小目标 果实检测 轻量化

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。