隨著我國高速鐵路技術(shù)的發(fā)展及其對自動化需求的提高,越來越多的牽引變電所向無人值守化發(fā)展,變電所中視頻監(jiān)控及巡檢系統(tǒng)的智能化也變得尤為重要。所以本文的研究目的是為牽引變電所的遠程智能巡檢提供技術(shù)支持,主要研究如何實現(xiàn)牽引變電所視頻圖像的多目標(biāo)識別�，F(xiàn)有的牽引變電所監(jiān)控圖像的識別大都針對某一特定目標(biāo)進行特征提取,無法完成多目標(biāo)識別。并且不能同時完成魯棒性好、速度快、準(zhǔn)確性高的目標(biāo)識別任務(wù)。本文正是針對這一任務(wù)展開的研究,不僅能做到魯棒性好、速度快、準(zhǔn)確性高的多目標(biāo)識別任務(wù),還能解決在很暗的狀態(tài)下各色指示燈的顏色都發(fā)白,因而無法正確識別的問題。本文基于深度學(xué)習(xí)的理論,利用了深度神經(jīng)網(wǎng)絡(luò)的可遷移性,應(yīng)用遷移學(xué)習(xí)的思想,克服了深度學(xué)習(xí)對數(shù)據(jù)和硬件的計算能力的依賴性。在計算能力和數(shù)據(jù)量都有限情況下的得到性能良好的可用于工程實踐的牽引變電所視頻圖像的多目標(biāo)識別模型。本文基于遷移學(xué)習(xí)的理論研究,利用SSD（Single Shot Mutibox Detector）和YOLOv2（You Only Look Once v2）模型,結(jié)合Python語言和TensorFlow平臺,實現(xiàn)了識別準(zhǔn)確度高、速度快... 

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 牽引變電所視頻圖像多目標(biāo)識別的研究背景及意義
    1.2 多目標(biāo)識別的研究現(xiàn)狀
    1.3 主要研究內(nèi)容
第二章 深度學(xué)習(xí)相關(guān)理論與目標(biāo)檢測模型
    2.1 深度學(xué)習(xí)理論
    2.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        2.2.1 典型卷積神經(jīng)網(wǎng)絡(luò)
    2.3 基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測模型
        2.3.1 Faster R-CNN
        2.3.2 YOLO
        2.3.3 SSD
    2.4 深度神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)
        2.4.1 遷移學(xué)習(xí)的概念
        2.4.2 深度神經(jīng)網(wǎng)絡(luò)的特征抽取
    2.5 小結(jié)
第三章 牽引變電所視頻圖像多目標(biāo)識別模型的構(gòu)建
    3.1 牽引變電所視頻圖像識別目標(biāo)的需求分析
    3.2 目標(biāo)識別模型的構(gòu)建思路
        3.2.1 問題分析
        3.2.2 解決方法
    3.3 目標(biāo)識別常用數(shù)據(jù)集
        3.3.1 ImageNet數(shù)據(jù)集
        3.3.2 COCO數(shù)據(jù)集
        3.3.3 VOC數(shù)據(jù)集
    3.4 小結(jié)
第四章 牽引變電所視頻圖像多目標(biāo)識別模型遷移學(xué)習(xí)的實現(xiàn)
    4.1 深度學(xué)習(xí)開發(fā)環(huán)境
        4.1.1 開發(fā)框架的選擇
        4.1.2 開發(fā)環(huán)境的配置
    4.2 數(shù)據(jù)集的創(chuàng)建
        4.2.1 數(shù)據(jù)平衡問題
    4.3 預(yù)訓(xùn)練模型的選擇
    4.4 模型的遷移學(xué)習(xí)
        4.4.1 模型遷移的相關(guān)程序
    4.5 小結(jié)
第五章 多目標(biāo)識別模型遷移學(xué)習(xí)的識別結(jié)果
    5.1 SSD模型遷移的結(jié)果
    5.2 YOLOv2 模型遷移的結(jié)果
    5.3 模型的優(yōu)化與改進
    5.4 小結(jié)
第六章 總結(jié)
    6.1 主要工作回顧
    6.2 本文創(chuàng)新之處
    6.3 本課題今后需進一步研究的地方
參考文獻
個人簡歷在讀期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號：3655368