文献类型：期刊文章

作　　者：黄咨[1] 刘琦[1] 陈致远[1] 赵宇明[1]

机构地区：[1]上海交通大学电子信息与电气工程学院系统控制与信息处理教育部重点实验室,上海200240

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金项目(61175009);上海市产学研合作项目(沪CXY-2013-82)

年　　份：2016

卷　　号：33

期　　号：5

起止页码：148-153

语　　种：中文

收录情况：CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、JST、ZGKJHX、普通刊

摘　　要：行人检测已经成为社会各领域里的热门研究课题之一。卷积神经网络CNNs(Convolutional neural networks)良好的学习能力使其学习得到的目标特征更自然,更有利于区分不同目标。但传统的卷积神经网络模型需要对整体目标进行处理,同时要求所有训练样本预先正确标注,这些阻碍了卷积神经网络模型的发展。提出一种基于卷积神经网络的隐式训练模型,该模型通过结合多部件检测模块降低计算复杂度,并采用隐式学习方法从未标注的样本中学习目标的分类规则。还提出一种两段式学习方案来逐步叠加网络的规模。在公共的静态行人检测库INRIA^([1])上的试验评测中,所提模型获得98%的检测准确率和95%的平均准确率。

关 键 词：行人检测 隐式训练  部件检测  卷积神经网络

分 类 号：TP183]