您當前所在位置: 首頁 > 首發論文
動態公開評議須知

1. 評議人本著自愿的原則,秉持科學嚴謹的態度,從論文的科學性、創新性、表述性等方面給予客觀公正的學術評價,亦可對研究提出改進方案或下一步發展的建議。

2. 論文若有勘誤表、修改稿等更新的版本,建議評議人針對最新版本的論文進行同行評議。

3. 每位評議人對每篇論文有且僅有一次評議機會,評議結果將完全公示于網站上,一旦發布,不可更改、不可撤回,因此,在給予評議時請慎重考慮,認真對待,準確表述。

4. 同行評議僅限于學術范圍內的合理討論,評議人需承諾此次評議不存在利益往來、同行競爭、學術偏見等行為,不可進行任何人身攻擊或惡意評價,一旦發現有不當評議的行為,評議結果將被撤銷,并收回評審人的權限,此外,本站將保留追究責任的權利。

5. 論文所展示的星級為綜合評定結果,是根據多位評議人的同行評議結果進行綜合計算而得出的。

勘誤表

上傳勘誤表說明

  • 1. 請按本站示例的“勘誤表格式”要求,在文本框中編寫勘誤表;
  • 2. 本站只保留一版勘誤表,每重新上傳一次,即會覆蓋之前的版本;
  • 3. 本站只針對原稿進行勘誤,修改稿發布后,不可對原稿及修改稿再作勘誤。

示例:

勘誤表

上傳勘誤表說明

  • 1. 請按本站示例的“勘誤表格式”要求,在文本框中編寫勘誤表;
  • 2. 本站只保留一版勘誤表,每重新上傳一次,即會覆蓋之前的版本;
  • 3. 本站只針對原稿進行勘誤,修改稿發布后,不可對原稿及修改稿再作勘誤。

示例:

上傳后印本

( 請提交PDF文檔 )

* 后印本是指作者提交給期刊的預印本,經過同行評議和期刊的編輯后發表在正式期刊上的論文版本。作者自愿上傳,上傳前請查詢出版商所允許的延緩公示的政策,若因此產生糾紛,本站概不負責。

發郵件給 王小芳 *

收件人:

收件人郵箱:

發件人郵箱:

發送內容:

0/300

論文收錄信息

論文編號 201905-29
論文題目 基于深度學習的多關鍵幀傳播視頻目標檢測
文獻類型
收錄
期刊

上傳封面

期刊名稱(中文)

期刊名稱(英文)

年, 卷(

上傳封面

書名(中文)

書名(英文)

出版地

出版社

出版年

上傳封面

書名(中文)

書名(英文)

出版地

出版社

出版年

上傳封面

編者.論文集名稱(中文) [c].

出版地 出版社 出版年-

編者.論文集名稱(英文) [c].

出版地出版社 出版年-

上傳封面

期刊名稱(中文)

期刊名稱(英文)

日期--

在線地址http://

上傳封面

文題(中文)

文題(英文)

出版地

出版社,出版日期--

上傳封面

文題(中文)

文題(英文)

出版地

出版社,出版日期--

英文作者寫法:

中外文作者均姓前名后,姓大寫,名的第一個字母大寫,姓全稱寫出,名可只寫第一個字母,其后不加實心圓點“.”,

作者之間用逗號“,”分隔,最后為實心圓點“.”,

示例1:原姓名寫法:Albert Einstein,編入參考文獻時寫法:Einstein A.

示例2:原姓名寫法:李時珍;編入參考文獻時寫法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上傳修改稿說明:

1.修改稿的作者順序及單位須與原文一致;

2.修改稿上傳成功后,請勿上傳相同內容的論文;

3.修改稿中必須要有相應的修改標記,如高亮修改內容,添加文字說明等,否則將作退稿處理。

4.請選擇DOC或Latex中的一種文件格式上傳。

上傳doc論文   請上傳模板編輯的DOC文件

上傳latex論文

* 上傳模板導出的pdf論文文件(須含頁眉)

* 上傳模板編輯的tex文件

回復成功!


  • 0

基于深度學習的多關鍵幀傳播視頻目標檢測

首發時間:2019-05-06

董瀟瀟 1   

董瀟瀟(1994-),女,主要研究方向:信息與通信工程

王敬宇 1   

王敬宇(1978-),男,教授、博導,主要研究方向:人工智能,數據通信網絡

  • 1、北京郵電大學網絡技術研究院,北京市 100876

摘要:近年來,隨著深度學習的發展,深度卷積神經網絡在圖像識別方面取得了巨大成功,這種成功促進了圖像識別技術向視頻領域的延伸和擴展。目標檢測一直是計算機視覺領域最具挑戰性的問題,目前,業界對圖像目標檢測問題的算法已相對成熟,效果良好,但對視頻目標檢測問題的研究還比較少。視頻相比于圖片包含更多的信息。本文在業界已有視頻目標檢測算法DFF算法和FGFA算法的基礎上提出了一種新的算法,命名為MKP算法,它融合了DFF算法和FGFA算法的優點。實驗表明,通過調節參數,MKP算法可以得到具有不同準確率和速率的模型,因此,MKP算法可以適用于不同的場景和需求。

關鍵詞: 特征提取 目標檢測 光流 特征傳播 特征聚合

For information in English, please click here

Multi-Keyframe Propagation for Video Object Detection Based on Deep Learning

DONG Xiaoxiao 1   

董瀟瀟(1994-),女,主要研究方向:信息與通信工程

WANG Jingyu 1   

王敬宇(1978-),男,教授、博導,主要研究方向:人工智能,數據通信網絡

  • 1、Institute of network technology, Beijing University of Posts and Telecommunications, Beijing City 100876

Abstract:Recently, with the development of deep learning, deep convolution neural networks have achieved great success on image recognition. The success promoted the extension and expansion of image recognition technology to the video field. Object detection is the most challenging problem in the field of computer vision. Now, the algorithms for image object detection problem are relatively mature and effective. However, there are few studies on video object detection. The video contains more information than the image. Based on DFF algorithm and FGFA algorithm, this paper presents a new algorithm, called MKP algorithm, which combines the advantages of DFF algorithm and FGFA algorithm. Experiments show that we can get models with different accuracy and rate by adjusting the parameters, so that the MKP algorithm can be applied to different scenarios and needs.

Keywords: feature extraction object detection optical flow feature propagation feature aggregation

Click to fold

點擊收起

基金:

論文圖表:

引用

導出參考文獻

.txt .ris .doc
董瀟瀟,王敬宇. 基于深度學習的多關鍵幀傳播視頻目標檢測[EB/OL]. 北京:中國科技論文在線 [2019-05-06]. http://www.lwpzwz.tw/releasepaper/content/201905-29.

No.****

動態公開評議

共計0人參與

動態評論進行中

評論

全部評論

0/1000

勘誤表

基于深度學習的多關鍵幀傳播視頻目標檢測

澳洲幸运8助手