La detección de peatones basada en sensores visuales ha avanzado significativamente, en la cual la propuesta de región es el paso clave. Hay dos métodos principales para generar propuestas de región: basados en anclas y sin anclas. Sin embargo, los métodos basados en anclas necesitan más hiperparámetros relacionados con anclas para el entrenamiento en comparación con los métodos sin anclas. En este documento, proponemos una red de propuesta de región novedosa sin anclas a múltiples escalas (MSAF) para obtener propuestas, especialmente para peatones de pequeña escala. Por lo general, tiene varias ramas para predecir propuestas y asigna la verdad terrenal de acuerdo con la altura del peatón. Cada rama consta de dos componentes: uno es la extracción de características y el otro es la cabeza de detección. Se propone la fusión de características de canal adaptada (ACFF) para seleccionar características en diferentes niveles de la columna vertebral y extraer características de manera efectiva. La cabeza de detección se utiliza para predecir
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Modelo de Big Data y Aprendizaje Profundo para la Predicción de la Puntuación FMS de Atletas de Aeróbicos
Artículo:
Sincronización en Sistemas Caóticos de Orden Fraccional Dinámicamente Acoplados: Estudiando los Efectos de las Derivadas Fraccionarias
Artículo:
Investigación sobre un algoritmo rápido de detección de peatones basado en una red neuronal de autoencoding y AdaBoost.
Artículo:
Comparación de dos modelos de transferencia de calor por radiación en plasmas térmicos de alta temperatura
Artículo:
Computación de Borde Móvil Eficiente en Energía: Computación de Tres Niveles en Redes Heterogéneas