盛雷,卫志华,张鹏宇.基于多源特征后融合的分层目标检测算法[J].计算机科学,2019,46(2):249-254
基于多源特征后融合的分层目标检测算法
Multi-layer Object Detection Algorithm Based on Multi-source Feature Late Fusion
投稿时间:2018-07-13  修订日期:2018-10-19
DOI:
中文关键词:  计算机视觉,目标检测,多级决策,特征提取,后融合
英文关键词:Computer vision,Object detection,Multi-level decision,Feature extraction,Late fusion
基金项目:本文受国家自然科学基金项目(61573259),公安部重大专项(20170004),国家重点研发计划项目(2017YFC0821300)资助
作者单位E-mail
盛雷 同济大学计算机科学与技术系 上海201804嵌入式系统与服务计算教育部重点实验室同济大学 上海201804  
卫志华 同济大学计算机科学与技术系 上海201804嵌入式系统与服务计算教育部重点实验室同济大学 上海201804 zhihua_wei@tongji.edu.cn 
张鹏宇 同济大学计算机科学与技术系 上海201804嵌入式系统与服务计算教育部重点实验室同济大学 上海201804  
摘要点击次数: 0
全文下载次数: 0
中文摘要:
      目标检测是计算机视觉领域的热门研究课题,是视频内容分析的基础。文中提出了一种基于图像多源特征后融合的分层目标检测算法。在该算法中,使用多级决策的思想对目标检测任务进行粗细两个粒度的划分。在粗粒度层面, 先使用HOG特征对图像进行分类,根据分类器的置信度分数,将测试图像分为正例、负例和不确定例。在细粒度层面,使用多种视觉特征以及多种核函数后融合的方法对不确定域中的图像做进一步分类。在同一数据集上设置了3组对比实验。实验结果表明,所提算法在各个评价指标上都有出色的表现,且在实际视频的目标检测中的效果优于Faster-RCNN。
英文摘要:
      Object detection is a hot topic in computer vision and it is the foundation of video caption.This paper proposed a multi-layer object detection algorithm based on multi-source feature late fusion,and used ways of multi-level decisions to divide the object detection task into two granularities.At the coarse level, the HOG feature was used to classify the images.According to the confidence scores of the classifier,the test images were categorized into positive,negative and uncertain examples.At the fine level,this paper proposed a multi-source feature late fusion method to classify the examples which are in the uncertain field.This paper conducted several comparative experiments on the same data set.Experimental results demonstrate that the proposed algorithm can obtain excellent results in all evaluation metrics,and achieve a better detection result than Faster-RCNN.
查看全文  查看/发表评论  下载PDF阅读器