基于Faster R-CNN的动漫场景多人物自动识别研究

作     者：高梦 WU Xiaoke;GUO Jingmei;ZENGYouzhi;YANGFenyan;DUShengei

作者机构：亳州职业技术学院信息工程系安徽亳州236800 

出 版 物：《佳木斯大学学报（自然科学版）》 (Journal of Jiamusi University：Natural Science Edition)

年 卷 期：2024年第42卷第3期

页      面：53-57页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：安徽省高校人文社科重点研究项目(SK2021A0999) 安徽省职成教学会规划课题(azcg79) 校级重点科研项目(BYK2206) 校级科研课题(YLFW2301) 

主　　题：Faster R-CNN模型 训练数据 测试数据 动漫场景 多人物识别 特征提取 

摘      要：当前动漫场景多人物识别方法在提取目标特征时,对于汇聚特征信息的滑动窗口定位不准确,所提取到的特征信息不准确,导致识别精度较差,因此为了解决这一问题,提出了一种基于Faster R-CNN的动漫场景多人物自动识别方法。标注大量动漫场景人物形象图片,构建训练集和测试集,将其输入Faster R-CNN神经网络模型,提取图像特征并构建特征图。采用滑动窗口遍历特征图,选择特征向量评分最高的窗口,保证窗口内局部特征可以充分表示动漫人物主要特征,根据特征提取结果自动识别多个动漫人物身份,完成动漫场景多人物自动识别。实验结果表明,设计方法与两种传统方法相比,人物识别召回率分别提升了11.10%和18.99%,提高了目标识别精度,人物识别过拟合比率稳定在1.0060,说明该方法能够高精度不同类别的动漫人物,且识别过程较为稳定,识别效率较高。