基于改进CornerNet-Lite的林区行人检测算法
南京林业大学汽车与交通工程学院
- 摘 要：
- 为做好森林管护工作,减少人力和物力的消耗,利用快速发展的行人检测算法可对林区行人进行检测和甄别,但林区行人检测与传统行人检测有很多不同,如林区行人被树木遮挡、着装与背景色调相似等特征,导致漏检现象严重。为此,针对林区行人的特点,笔者提出了一种实时检测林区行人的算法CornerNet-P,将林区行人的位置预测简化成为2个关键点的预测。以CornerNet-Lite为基础,改进算法的损失函数,预测2组热力图来检测林区行人的角点位置,预测嵌入层损失以匹配同一行人的角点,预测偏置层损失来减少尺度变化过程中的精度损失,并获得最终的边界框;然后提取COCO2014数据集中的行人数据并随机分为训练集和测试集两部分,使用训练集分别训练该算法与YOLOv4算法中的参数,使用测试集和真实的林区行人图像对算法的检测精度和检测速度进行检验。试验结果表明,CornerNet-P算法相比YOLOv4算法平均检测精度提高了1.7%,检测速度提高了5.1%,并可以较好地检测真实林区行人图像。CornerNet-P算法可以实现林区的行人检测,具有较快的检测速度和较满意的精度。
关键词：深度学习;CornerNet-Lite网络;森林管护;关键点预测;行人检测
相似文章
-
基于改进Faster R-CNN的苹果叶部病害识别方法 [王云露, 吴杰芳, 兰鹏, 李凤迪, 葛成恺, 孙丰刚] 林业工程学报 2022 (1) 153-159
-
无人机遥感监测作物病虫害胁迫方法与最新研究进展 [杨国峰, 何勇, 冯旭萍, 李禧尧, 张金诺, 俞泽宇] 智慧农业(中英文) 2022 (1) 1-16
-
面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型 [邱文杰, 叶进, 胡亮青, 杨娟, 李其利, 莫贱友, 易万茂] 智慧农业(中英文) 2021 (1) 109-117
-
基于无人机图像以及不同机器学习和深度学习模型的小麦倒伏率检测（英文） [Paulo FLORES, 张昭] 智慧农业(中英文) 2021 (2) 23-34
-
基于语义融合与模型蒸馏的农业实体识别 [李亮德, 王秀娟, 康孟珍, 华净, 樊梦涵] 智慧农业(中英文) 2021 (1) 118-128
-
基于改进Mask R-CNN的花白鲢去鳞率计算方法研究 [肖哲非, 沈建, 郑晓伟, 徐文其] 渔业现代化 2022,49 (2) 85-93
-
基于多尺度几何感知Transformer的植物点云补全网络 [曾安, 彭杰威, 刘畅, 潘丹, 蒋艳荣, 张小波] 农业工程学报 2022,38 (4) 198-205
-
基于Mask R-CNN的行道树实例分割方法 [陆清屿, 李秋洁, 童岳凯, 王明霞, 袁鹏成] 林业工程学报 2021 (5) 154-160
-
基于深度学习的多人脸识别系统的设计实现 [郭琪, 王志慧, 范道尔吉, 武慧娟] 内蒙古农业大学学报(自然科学版) 2022,43 (2) 86-92
-
基于动态超分辨率的输电线路部件检测方法 [夏娴, 徐靖楠] 河北农机 2022 (8) 87-89
