资料下载
×
基于深度稀疏自编码网络的行人检测
消耗积分:0 |
格式:pdf |
大小:4.11 MB |
2021-06-11
分享资料个
针对传统卷积神经网络在行人检测中卷积速度慢、抗噪弱、冗余大的问题，提岀了一种基于深度稀疏自编码网络的方法。首先在输入层后添加一层感兴趣层，在非相邻和相邻特征（nor- neighboring and neigh-boring features，NNNF）的基础上丰富图像的对称性特征，融合LUV空间、梯度方向等多通道的跨通道特征，并在非相邻特征设计的区域处理中采用一种改进的随机池化方法来消除行人形变的影响，得到表示行人信息的主要特征。然后利用四个自动编码器设计四层隐含层深度网络，以交又熵为损失函数及改进的ReL（ rectified linear unit函数为激活函数，以此结合稀疏表示的理论构建新的目标函数来学习网络，寻找数据的内在结构。最后用第四层隐含层输岀的有效特征来训练分类器。在公共数据库上进行实验验证，结果表明与现存的其他方法相比，该方法降低了平均漏检率，减少了运行时间，具有良好的鲁棒性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
