针对现有基于大数据和深度学习的目标检测框架难以实现在低功耗移动和嵌入式设备上实时进行视频目标检测的问题，改进了基于深度学习的目标检测框架SSD，提出一种改进的多目标检测框架LSTM-SSD，将其专用于交通场景视频多目标检测。将单图像检测框架与递归神经网络-LSTM网络相结合，形成交织循环卷积结构，通过采用一种Bottleneck-LSTM层提炼传播帧间的特征映射实现了网络帧级信息的时序关联，极大降低了网络计算成本；将时间感知信息与改进的动态卡尔曼滤波算法结合起来，实现了对视频中受光照变化、大面积遮挡等强干扰影响目标的追踪识别。实验表明，改进后的LSTM-SSD在应对多目标、杂乱背景、光照变化、模糊、大面积遮挡等检测难度较大的情况时，均能获得较好的效果，相比于其他基于深度学习的目标检测框架，各类目标识别的平均准确率提高了5%~16%，平均准确率均值提高了约4%~10%，多目标检测率提高了4%~19%，检测帧率达到43 fps，基本满足实时性的要求。其实现了算法精度与运行速率的平衡，取得了较好的检测识别效果。
2022-08-22 16:05:35
1.34MB
1
matlab开发-文件序列重命名重新编号文件递归目录。对一系列文件进行重命名和重新编号；概括使用通配符（*）进行CD、LS…
2022-08-03 19:48:55
24KB
1
1. 一个问题的解可以分解为几个子问题的解
2. 这个问题与分解之后的子问题，除了数据规模不同，求解思路完全一样
3. 存在递归终止条件
2022-08-03 13:01:05
1.72MB
1
RNBL-MN
序列分类器递归朴素贝叶斯学习器的实现
＃＃＃关键词
Weka ,递归朴素贝叶斯,决策树,多项式事件模型,序列分类器
描述
用于构建和使用递归朴素贝叶斯分类器进行序列分类的 Java 类。 RNBL-MN 是一棵朴素贝叶斯分类器树，其中每个节点都是一个基于多项式事件模型的 NB 分类器。
RNBL-MN 被证明优于 C4.5 决策树学习器，并且产生与使用类似信息的 SVM 相当的准确度。
##Reference 有关更多信息，请参阅，
Dae-Ki Kang、Adrian Silvescu、Vasant Honavar “RNBL-MN：用于序列分类的递归朴素贝叶斯学习器”PAKDD'06。
依赖项：
该项目依赖于 Weka 3.6 NaiveBayesMultinominal 分类器和其他辅助功能。
Weka的效率问题
我在评估中加入了C4.5决策树方法来与RNB
2022-07-29 20:04:12
6KB
1