文献类型：期刊文章

作　　者：邹阿金[1] 李承骏[2] 陈越锋[3]

ZOU A-jin;LI Cheng-jun;CHEN Yue-feng(Department of Electronic Information Engineering,College of Electronics and Information Engineering,Guangdong Ocean University,Zhanjiang 524088;Depamnent of Communication Engineering,College of Electronics and Information Engineering,Guangdong Ocean University,Zhanjiang 524088;Department of Automation,College of Electronics and Information Engineering,Guangdong Ocean University,Zhanjiang,Guangdong 524088)

机构地区：[1]广东海洋大学电子与信息工程学院电子信息工程系,湛江524088 [2]广东海洋大学电子与信息工程学院通信工程系,湛江524088 [3]广东海洋大学电子与信息工程学院自动化系,湛江524088

出　　处：《现代计算机》

基　　金：2017年度广东省大学生创新创业训练立项项目(No.CXXL2017083);2017年度广东海洋大学教育教学改革项目(No.XJG201757)

年　　份：2018

卷　　号：24

期　　号：19

起止页码：40-43

语　　种：中文

收录情况：普通刊

摘　　要：通过残差网络和多尺度的图像训练来提高人头识别的精度,人头特征的检测有两种方法,以往是基于事先描绘好的人头特征,还有基于统计训练模型的方法,后者具有很好的鲁棒性,用神经网络去训练,可以得到比较好的效果;基于密集的多人图像存在重叠的人头和远近尺度不一的人头特征,这就需要对人物头像的训练样本做更多特殊的处理;对于不能实时检测的问题,采用另外一种YOLO检测的方法,进行缺陷的弥补,获得相关的应用模型。

关 键 词：残差网络  多尺度 密集人群  YOLO  

分 类 号：TP391.41]