声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：王越,陈建促,朱小飞,何源,
单位：重庆理工大学计算机科学与工程学院,重庆400054；
关键词：YOLOv3,遮挡检测,信息熵,时间序列,运动偏移,野生动物,
基金：国家自然科学青年基金资助项目(61702063)；重庆市基础科学与前沿技术研究重点专项项目(cstc2017jcyjBX0059)；；
针对野生动物实时目标检测过程中因遮挡导致的目标检测准确率降低的问题，考虑到视频特有的时间序列关系，提出了一种基于熵和运动偏移量的野生动物遮挡检测方法。该方法通过YOLOv3模型对目标进行特征提取，根据位置偏移量与视频序列中最低信息熵对应的图像，获取待检测遮挡目标的检测位置与类别。实验结果表明，结合YOLOv3、信息熵、时间序列关系以及位置偏移量的实时目标检测方法能够很好地解决野生动物遮挡的检测问题，提升了实时目标检测的稳定性与准确率。
来源：2019年第12期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。