基于SE模块改进Xception的动物种类识别

Xception是Inception网络的一种极端化表现,在与Inception v3参数相近的情况下,它能够达到更高的准确度。由于神经网络提取的特征不一定都是有用特征,因此以Xception为基础,将SE(Squeeze and Excitation）模块加入该网络,调整特征通道的权重,使得网络的精确度得到提高。通过实验,融合SE模块的Xception网络训练精确度分别在Oxford-IIIT Pet数据集和CUB_200_2011数据集上提升了1%~1.7%和0.8%~1%,证明了SE模块能够进一步提升Xception的精确度。将改进后的Xception应用到动物种类识别中,根据精确度曲线对实验策略调整改进,最终在测试集上获得95.63%的识别率。     

动态背景下基于金字塔LK光流的运动目标检测

提出了一种动态背景下基于金字塔LK光流的运动目标检测方法。首先采用Shi-Tomasi角点检测法提取图像的强角点,再用金字塔LK光流法计算下一时刻这些特征点的对应位置,得到匹配的多组特征点对。利用这些特征点对建立仿射变换模型并计算仿射参数,对图像做仿射变换消除背景运动带来的误差,最后用帧间差分法处理得到前景目标。实验结果表明,本方法能够以较好的实时性、稳定地检测和提取动背景下的运动目标。