k-means聚類 文章 進入k-means聚類技術(shù)社區(qū)

基于深度學(xué)習(xí)的交通場景中行人檢測方法*

• 針對交通圖像中行人分布的特點，提出一種交通場景下的行人檢測方法。使用Faster R-CNN目標檢測網(wǎng)絡(luò)，首先在檢測網(wǎng)絡(luò)的卷積層前加入預(yù)處理，突出行人特征，減少訓(xùn)練耗時與系統(tǒng)開銷。其次，由于交通場景圖像中行人只占圖像極小的部分，所以使用K-means聚類分析方法對行人的寬高比進行聚類分析，得到合適的寬高比。實驗表明，改進后的方法在檢測精度上有所提升，說明了該方法的有效性。
• 關(guān)鍵字： 行人檢測  交通場景  底層特征提取  K-means聚類  202103