检索结果

Select

1. 基于集成主成分分析的人脸识别

王正群邹军刘风

计算机应用

摘要（1786）

PDF （450KB）（1447）

设计了一种基于主成分分析的分类器集成方法。应用随机子空间法获得多个初始分类器，由它们的分类性能给出分类器的保留分值，从而确定它们的保留优先级别，最后由保留优先级别选择一组分类器组成集成。理论分析和在人脸数据库ORL上的实验结果表明，这种基于集成PCA的分类方法能够更好地对模式进行分类。

相关文章 | 多维度评价

Select

2. 基于弹性笔画长度的汉字笔画平面抽取及识别

侯艳平王正群邹军沈杰

计算机应用

摘要（1583）

PDF （415KB）（797）

针对手写体汉字识别过程中的特征抽取，提出了一种改进的抽取笔画平面的方法。首先，将手写汉字图像进行非线性规一化；然后，利用弹性笔画长度，根据汉字的横竖撇捺四种笔画分别抽取出四种笔画的平面；最后，将四个笔画平面分别均匀划分成S×S个小网格，在每个小格内计算其笔画交叉数目，便得到了一个4S2维的特征向量。实验利用基于最小距离的分类器对含有7600（19类）个汉字的测试集进行了分类，取得了较好的识别效果。

相关文章 | 多维度评价

Select

3. 基于 YOLOv5的密集行人检测算法

邹军, 李军, 张世义

《计算机应用》唯一官方网站 0, (): 246-250. DOI: 10.11772/j.issn.1001-9081.2024050733

摘要（24）

HTML （0）

PDF （2317KB）（3）

针对当前密集行人检测算法精度低且模型复杂度高的问题，在YOLOv5算法的基础上提出一种改进的密集行人检测算法YOLOv5_CDA。首先在主干网络中设计一种C3CA模块，并在最后一层引入坐标注意力（CA）机制，提高网络对局部重要特征的捕获能力；其次，引入α-IoU损失函数，提高模型对高交并比（IoU）目标的关注，提升边界框的回归精度；再次，在颈部网络中变换检测尺度，提高了算法对密集小目标的检测能力；最后，应用解耦检测头分别计算不同分支，提升检测精度。实验结果表明：YOLOv5_CDA算法在具有代表性的行人检测数据集WiderPerson上测试性能表现优秀，AP_0.5和AP_0.5：0.95分别达到了90.3%和63.7%，相较于YOLOv5算法分别提升了1.7%和3.2%，且平均漏检率下降了20%，参数量下降了25.3%。可见，经过网络结构的整体改进，YOLOv5_CDA算法的性能得到较大提升，且不会过多消耗内存资源，可广泛应用于密集行人检测。

图表 | 参考文献 | 相关文章 | 多维度评价