【摘 要】
：
目标检测作为计算机视觉的一个基础问题,随着深度学习的进步,越来越受到学者们广泛地关注,并且取得了一系列的突破。对基于无锚点的目标检测算法也逐渐进入研究人员的视线,近两年被提出的一些无锚点算法其检测效果已赶超了部分基于锚点的目标检测算法。虽然无锚点的目标检测器性能较好,但仍然存在一些问题,如:因较依赖关键点而更受背景纹理信息的影响、更多的关注角点信息而导致最后漏检。为了解决上述的问题,本文在Cent
论文部分内容阅读
目标检测作为计算机视觉的一个基础问题,随着深度学习的进步,越来越受到学者们广泛地关注,并且取得了一系列的突破。对基于无锚点的目标检测算法也逐渐进入研究人员的视线,近两年被提出的一些无锚点算法其检测效果已赶超了部分基于锚点的目标检测算法。虽然无锚点的目标检测器性能较好,但仍然存在一些问题,如:因较依赖关键点而更受背景纹理信息的影响、更多的关注角点信息而导致最后漏检。为了解决上述的问题,本文在CenterNet算法的基础上进行了两方面的改进,分别是多关键点信息融合和加入注意力机制,提出了新的检测算法EMCenterNet（Expectation-Maximization CenterNet）。本文的主要研究内容和成果如下:1.在CenterNet算法中,检测框是通过网络的一个分支检测左上角和右下角两个关键点得到的,然后,由网络的另一个分支检测到的中心关键点来判断是否保留得到的检测框。然而,由于左上或右下角关键点的缺失,CenterNet的检测结果中会出现能准确找到检测框的中心点,但是未能得到最终检测框的情况。针对这一问题,本文提出了多关键点信息融合的方法,在其检测中心关键点的网络分支上通过检测到的中心关键点来预测一个检测框,并将其与另一网络分支得到的检测框进行融合,从而得到更全面的检测框结果。2.针对CenterNet算法中因依赖关键点而更受背景纹理信息影响这一问题,本文提出将注意力机制融入到CenterNet算法中,通过注意力机制对特征图提取局部最优解,弱化背景信息,强化前景信息,使检测左上角、右上角的网络分支能更准确地找到这两个关键点,从而提高最终的检测结果。3.我们将改进后的检测算法在MSCOCO这个目标检测公开数据集上进行了相关实验,在多关键点信息融合的实验中,取得了41.8%的准确率,较基准算法提高了0.2%;在注意力机制的实验中,取得了42.2%的准确率,较基准算法提高了0.6%;将两种方法结合在一起的实验中,取得了42.5%的准确率,较基准算法提高了0.9%,综上,可以说明本文的改进在提高检测结果准确率上是有效果的。
其他文献
肺癌作为全球发病率、死亡率均位居前列的疾病,严重危害人类的健康,尽早发现与治疗是降低肺癌死亡率的重要手段。肺结节是肺癌的早期存在形态,及时诊断肺结节是提高肺癌患者治愈率的关键。CT技术是目前临床医学中应用最为广泛的诊疗手段,但CT诊疗产生的数据以指数倍形式迅速增长。因此,医生人工观察CT图像进行疾病诊断需要巨大的工作量,效率较低,且诊断结果通常带有较强的主观性。为提高医生的诊断效率、减少医生的工作
显著性检测是指从图片中找到最“引人注意”的一个或若干个物体的过程,其本质上是一种心理学过程的计算机重现。深度卷积神经网络技术在当前图形图像各领域的应用中展现了不可思议的能力,在显著性检测领域也不例外。目前,最先进的方法都是基于深度卷积神经网络技术研发的。这其中,Lee等人提出的ELD（Encoded Low Level Distance）算法将底层特征和高层特征统一编码,统一训练,是一种非常值得借
三维人体姿态估计是计算机视觉领域中的热门课题。三维人体姿态估计可以作为人体姿态识别、人体跟踪、行为识别等任务的基础,同时在高级人机交互,智能监控等领域拥有广泛的应用前景。由于从单目图像预测三维空间信息是十分困难的,并且姿态图像存在着遮挡和视差等问题,使其非常具有挑战性。随着深度学习在多领域的成功应用,具有强大学习能力的深度神经网络也逐渐成为三维人体姿态估计任务的最佳选择。本文将基于深度学习,采用分
近年来,随着定位、跟踪技术的快速发展,诸如GPS等位置感知设备得到了广泛的应用,使得车辆、人们的移动轨迹能够被精确地记录,通过对轨迹数据的有效分析可以了解一个城市的交通状况及城市中人群的移动规律,对于城市管理者的决策具有重要意义。然而,由于轨迹数据具有时空特性,并且通常数据规模很大。因此,如何有效地发挥轨迹时空连续性,探索数据中隐藏的时空规律是一项巨大的挑战。本文基于成都市出租车真实轨迹数据,研究
随着智能化设备的不断革新,很多产业的落地都需要海量的视频信息作为基础。视频信息相较于普通图像而言隐藏着巨大的价值。动态性、可持续性以及关联性都是视频所独有的特点,基于这些特性对视频数据进行挖掘将会收获极大的价值。对视频的行为识别研究是计算机视觉与模式识别领域的重要研究课题,行为识别不但具有重要的科学意义,而且具有十分关键的现实应用价值,对我们的生活产生很大的影响。行为识别主要应用领域包括远程识别、
在21世纪这个信息量急速增长的时代,如何快速高效地传达和抓取有效信息是困扰人们的难题之一。为了解决这个问题,相关研究者提出了推荐系统这一概念。推荐系统能够根据可观察到的数据学习用户和项目的特征,不仅为用户提供他可能感兴趣的项目,也为项目找到了合适的用户,是一种解决信息过载问题的双赢系统。得益于深度学习算法在推荐系统领域的快速发展,研究人员将数据映射到模型内部,直接由计算机学习数据特征,避免了繁琐的
随着信息化时代的到来,人们越来越依赖互联网获取所需要的信息。互联网上的网络资源如网站、用户评论、新闻、博客、社交媒体网络等是文本数据的巨大来源。互联网和其他档案中的文本内容每天都呈指数级增长,这些文本中有许多重复的或不重要的部分。因此,用户需要花费大量时间来寻找他们需要的信息,对文本资源的总结和浓缩变得更加迫切和重要。利用人工对这些文本资源生成摘要,需要花费大量的人力和时间,甚至是一件不可能完成的
学生的学业水平是学校和家长共同关注的核心问题。研究表明,学生的学业水平与学生在课堂上的注意力状态存在着密切联系,能够长期保持注意力集中的学生往往具有较高的学业水平。因此,十分有必要提高学生在课堂上的注意力水平,为此首先需要对学生的注意力进行检测。现有的注意力检测方法包括问卷调查法、仪器检测法和计算机视觉算法。问卷调查法虽然方便进行统计分析,但是通常会受到主观因素的影响,无法保证实验结果的质量和可信
随着科技与时代发展,图像数据呈指数级增长,检索数据库中的图片需要耗费大量的时间。图像检索技术大致可以分为两类:基于整体图像的图像检索和基于显著区域的图像检索。基于整体图像的图像检索需要提取整幅图像的所有特征,往往包含大量的背景噪声,而基于显著区域的图像检索算法由于考虑了图像的语义信息,比基于整体图像的图像检索效果更好。哈希方法将图像数据转换为二进制码,在减少图像数据存储空间的同时提高了检索速度,越
上下文表示是理解自然语言的关键,相同的单词、短语和局部单词序列在不同的上下文表示下会具有截然不同的含义。在自然语言处理任务中,大多数研究工作拼接Bi LSTM（Bidirectional Long Short-Term Memory Network,Bi LSTM）的前向输出与后向输出作为上下文表示。由于句子作为单词序列输入的特点,全局信息仅包含于Bi LSTM建模的第一个位置与最后一个位置。对于