2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩89頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來,隨著人工智能和機(jī)器學(xué)習(xí)的快速發(fā)展,計算機(jī)視覺也進(jìn)入了發(fā)展的黃金時期,吸引了眾多學(xué)者以及企業(yè)的目光。行人檢測是計算機(jī)視覺中的重要課題之一,在智能視頻監(jiān)控和無人駕駛汽車等應(yīng)用領(lǐng)域都有著舉足輕重的地位。本文便著眼于行人檢測這一重要且極具挑戰(zhàn)的課題,行人檢測本質(zhì)上是個二分類問題,性能優(yōu)異的行人檢測算法既要有良好的分類算法也要有優(yōu)秀的特征。
  本研究主要內(nèi)容包括:⑴在行人檢測領(lǐng)域中,已經(jīng)被經(jīng)常使用的分類算法有AdaBoost、支持

2、向量機(jī)以及卷積神經(jīng)網(wǎng)絡(luò)中的Softmax分類函數(shù)等。梯度提升決策樹(GBDT)是數(shù)據(jù)挖掘領(lǐng)域中性能非常出眾的分類算法,在個性化推薦、金融預(yù)測等方面都有著成功的應(yīng)用案例。然而,它目前還沒有被應(yīng)用于行人檢測的算法中,因此本文的第一個創(chuàng)新點是把梯度提升決策樹算法應(yīng)用于行人檢測中。本文設(shè)計了ACF/LDCF+GBDT算法,并在Inria、Caltech、Kitti幾個主流的數(shù)據(jù)集上進(jìn)行實驗,實驗結(jié)果證實了梯度提升決策樹算法可以較好地適用于行人檢

3、測的研究中。⑵卷積神經(jīng)網(wǎng)絡(luò)所得到的特征是對輸入圖像更抽象、更高層次的表達(dá),高層次表達(dá)可以提升輸入數(shù)據(jù)的區(qū)分度,我們采用一種優(yōu)秀的卷積神經(jīng)網(wǎng)絡(luò)特征來進(jìn)行行人檢測算法的設(shè)計。Faster R-CNN中的區(qū)域建議網(wǎng)絡(luò)(RPN)本身可以做為一個性能較好的行人檢測器,但后面的分類器降低了其應(yīng)有的性能?;诖吮疚奶岢隽说诙€創(chuàng)新點,先使用區(qū)域建議網(wǎng)絡(luò)進(jìn)行候選框的建議以及特征的提取,隨后使用Bootstrapping策略分多個階段采用梯度提升決策樹算

4、法進(jìn)行模型的訓(xùn)練,充分挖掘疑似行人的負(fù)樣本,并把這些樣本加入訓(xùn)練集中的負(fù)樣本里,從而逐步提升檢測器的性能。此外,為了加快訓(xùn)練速度及有效地避免過擬合現(xiàn)象,我們采用了隨機(jī)梯度提升的策略:每個階段隨機(jī)選取部分樣本、隨機(jī)選取部分特征用于決策樹的訓(xùn)練,即訓(xùn)練過程中我們采用了隨機(jī)梯度提升決策樹算法。⑶設(shè)計了基于隨機(jī)梯度提升決策樹與區(qū)域建議網(wǎng)絡(luò)的行人檢測算法,并在當(dāng)前流行的Caltech數(shù)據(jù)集上進(jìn)行了實驗。實驗結(jié)果表明,經(jīng)過以上改進(jìn)后我們可得到一個性

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論