...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Pattern Recognition and Artificial Intelligence >Real-Time Pedestrian Detection Using Convolutional Neural Networks
【24h】

Real-Time Pedestrian Detection Using Convolutional Neural Networks

机译：使用卷积神经网络的实时行人检测

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Pedestrian detection provides manager of a smart city with a great opportunity to manage their city effectively and automatically. Specifically, pedestrian detection technology can improve our secure environment and make our traffic more efficient. In this paper, all of our work both modification and improvement are made based on YOLO, which is a real-time Convolutional Neural Network detector. In our work, we extend YOLO's original network structure, and also give a new definition of loss function to boost the performance for pedestrian detection, especially when the targets are small, and that is exactly what YOLO is not good at. In our experiment, the proposed model is tested on INRIA, UCF YouTube Action Data Set and Caltech Pedestrian Detection Benchmark. Experimental results indicate that after our modification and improvement, the revised YOLO network outperforms the original version and also is better than other solutions.
机译：行人检测为智慧城市的管理者提供了一个有效且自动地管理其城市的绝好机会。具体而言，行人检测技术可以改善我们的安全环境并提高交通效率。在本文中，我们所有的工作都基于YOLO进行了修改和改进，YOLO是一种实时卷积神经网络检测器。在我们的工作中，我们扩展了YOLO的原始网络结构，并给出了损失函数的新定义，以提高行人检测的性能，尤其是在目标较小时，这正是YOLO所不擅长的。在我们的实验中，在INRIA，UCF YouTube行动数据集和Caltech行人检测基准上测试了建议的模型。实验结果表明，经过我们的修改和改进，改进后的YOLO网络性能优于原始版本，并且比其他解决方案更好。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号