無人機目標檢測是計算機視覺領域近年來興起的重要課題之一,有著較高的學術意義和應用價值。隨著無人機在工業(yè)、農(nóng)業(yè)、安防和生活等各行業(yè)的普及,對無人機拍攝數(shù)據(jù)進行視覺分析的需求正在顯著增加。當前的無人機目標檢測解決方案,主要是將成熟的深度學習通用目標檢測方法遷移至無人機場景。然而,無人機拍攝數(shù)據(jù)存在場景多變、視角變化幅度大、目標尺度多樣性廣等數(shù)據(jù)特點,通用目標檢測方法很難在準確度和速度兩方面給出滿意的結果。本文分析無人機場景的數(shù)據(jù)特點后,圍繞“通過場景模型給出尺度預計進而引導目標檢測”這一核心思路,從場景中目標之間的透視關系出發(fā),對無人機目標檢測展開研究,主要工作包括:1)提出無人機場景透視建模方法。通過分析無人機數(shù)據(jù),指出檢測任務的核心挑戰(zhàn)在于目標的尺度多樣性。以無人機圖像能反映場景結構為出發(fā)點,提出基于透視的場景建模,并實驗分析了該模型對無人機場景的適用性,以及和其他尺度多樣性解決方案相比的優(yōu)點。所提透視估計圖通過推測目標與鏡頭的距離、換算形變參數(shù)、生成透視標注、神經(jīng)網(wǎng)絡估計等模塊,完成了對圖像中目標尺度分布和置信度分布的估計。2)研究場景透視在現(xiàn)有目標檢測框架下的利用形式。通過透視模型...

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖1-1通用目標檢測和無人機檢測的數(shù)據(jù)對比

第一章緒論1第一章緒論1.1研究背景及意義目標檢測（ObjectDetection）是計算機視覺領域的經(jīng)典任務之一，其目的是對圖像中的目標進行分類和定位。目標檢測一方面是許多視覺任務的研究基礎，如實例分割、目標跟蹤、圖像翻譯等；另一方面具備極高的實際應用價值，業(yè)界大量基于視覺方法....

圖1-3VisDrone和UAVDT中充滿挑戰(zhàn)的無人機場景

第一章緒論5富性和真實性，且多視角多目標的特性較為契合本文的研究主題，因此本文中選取了該數(shù)據(jù)集作為主要的研究對象。同為2018年發(fā)布的UAVDT[23]也是一個具有研究價值的數(shù)據(jù)集，該數(shù)據(jù)集雖然僅標注了小型客車、卡車、大型客車三個類別的2700個目標，數(shù)據(jù)量小于VisDrone數(shù)....

圖2-1FasterR-CNN的框架結構

華南理工大學碩士學位論文14圖2-1FasterR-CNN的框架結構1.提取特征的主干網(wǎng)絡。主干網(wǎng)絡部分為多層的CNN架構，最初的FasterR-CNN使用的是VGG-16。由于檢測框架和主干網(wǎng)絡之間的獨立性，任意成熟的CNN均可勝任這一任務。當前的目標檢測主干網(wǎng)絡通常在Imag....

圖3-1視角多樣性和包裹框不適配性

華南理工大學碩士學位論文243.3.1尺度估計圖對于每一張輸入的待檢測圖片，其對應的尺度估計圖PES的目的是描述每一個像素位置處，如果出現(xiàn)了需要檢測的目標，其最可能的尺度是多大，可以用公式（3-1）進行表述：=(,)=(3-1)其中i代表待檢測圖像，j代表圖像中的某個像素位置。代....

本文編號：3906398