典型文献
基于改进Faster R-CNN的目标检测算法研究
文献摘要：
基于Faster R-CNN(faster region based convolutional neural networks)模型对目标图像分类识别和边界回归的一般原理,在基础卷积网络、多尺度特征融合以及加入注意力机制和利用生物视觉的稀疏特性方面对Faster R-CNN网络模型做出改进.为验证所提出模型的性能,采用CTSDS(Chinese traffic sign dataset)数据集,在分析现实中影响交通标志检测性能因素的基础上,对数据集的部分样本做遮挡、加噪处理,实现数据增广.Matlab仿真结果表明:改进的网络模型对5类目标检测的平均精度为98.8％,证明了模型的有效性.
文献关键词：
Faster R-CNN;数据增广;目标检测
中图分类号：
作者姓名：
张海明;史涛
作者机构：
华北理工大学 电气工程学院, 河北 唐山 063210;天津理工大学 电气工程与自动化学院, 天津 300384
文献出处：
引用格式：
[1]张海明;史涛-.基于改进Faster R-CNN的目标检测算法研究)[J].重庆理工大学学报,2022(09):179-186
A类：
CTSDS
B类：
Faster,目标检测算法,算法研究,faster,region,convolutional,neural,networks,标图,图像分类,分类识别,卷积网络,多尺度特征融合,注意力机制,利用生物,生物视觉,稀疏特性,出模,Chinese,traffic,sign,dataset,中影,交通标志检测,检测性能,分样,遮挡,数据增广,Matlab,类目
AB值：
0.504763
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
