《表1 采用的CNN结构：基于集成推理卷积神经网络的快速行人检测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于集成推理卷积神经网络的快速行人检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验采用Python语言引入TensorFlow构建CNN，并调用了OpenCV库实现了文中的数据扩展，测试的硬件环境为HP-EliteDesk-800-G4内配2块1080NVIDIA独立显卡的图形工作站一台，使用的测试平台是Ubuntu 16.04操作系统。本文采用的CNN结构如表1所示。Caltech Pedestrian数据集有4，000个正样本和200，000个负样本用于训练，8，273个测试图像。本文通过移位、旋转、镜像和缩放从原件中增加了101，808个正样本。对于Daimler Mono Pedestrian Benchmark数据集，我们从31，320个样本中增加了250，560个正样本；负样本数量为254，356个。参数更新的总迭代次数为500，000，分5个mini-batch，训练比率η设定为0.01。