典型文献
基于改进HOG和SVM的苹果多目标检测方法
文献摘要：
针对传统算法在自然环境下对小果实目标识别能力差,检测模型识别精度低的问题,提出了一种基于改进方向梯度直方图(HOG)和支持向量机(SVM)的苹果检测算法.该方法采用HOG算法提取苹果目标形状以及纹理的浅层特征,在特征提取部分加入Focus+CSP级联模块进行深层特征提取.同时引入特征金字塔(FPN)获取多尺度特征图并与HOG特征融合,获得更多小分辨率的信息,加强检测效率.最后对SVM进行训练,获得苹果检测分类器,在预测过程加入非极大值抑制输出预测值高的检测图.通过实验得到算法的识别准确率平均值达到90.46％,与原始HOG+SVM算法相比准确率提高了 8.54％.证明了训练好的苹果分类器可以在复杂环境下准确地进行苹果检测.
文献关键词：
苹果检测;HOG+SVM;级联模块;卷积神经网络
中图分类号：
作者姓名：
郭鑫;郝骞;杨风
作者机构：
中北大学信息与通信工程学院 太原030051
文献出处：
引用格式：
[1]郭鑫;郝骞;杨风-.基于改进HOG和SVM的苹果多目标检测方法)[J].国外电子测量技术,2022(11):154-159
A类：
Focus+CSP
B类：
多目标检测,目标检测方法,传统算法,小果,目标识别,识别能力,检测模型,模型识别,识别精度,改进方向,方向梯度直方图,苹果检测,检测算法,级联模块,深层特征,特征金字塔,FPN,多尺度特征图,特征融合,检测效率,检测分类,分类器,非极大值抑制,输出预测,识别准确率,HOG+SVM,练好,苹果分类,复杂环境
AB值：
0.360402
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。
