在現(xiàn)代戰(zhàn)場(chǎng)環(huán)境中,敵方目標(biāo)探測(cè)和識(shí)別一直是一個(gè)非常重要的問(wèn)題。傳統(tǒng)目標(biāo)識(shí)別方案主要依靠雷達(dá)系統(tǒng)、毫米波、激光等手段區(qū)分?jǐn)澄夷繕?biāo),容易受電磁干擾影響且成本較高。近年來(lái),隨著深度學(xué)習(xí)理論的日趨成熟,各種基于深度學(xué)習(xí)的應(yīng)用在各個(gè)不同領(lǐng)域?qū)映霾桓F。卷積神經(jīng)網(wǎng)絡(luò)作為目前計(jì)算機(jī)視覺(jué)領(lǐng)域最有效的手段之一,在物體分類、圖像分割等問(wèn)題中都有非常廣泛的應(yīng)用。為此,本文開(kāi)展了一系列基于深度學(xué)習(xí)的飛行器圖像識(shí)別算法研究。本文基于TensorFlow研究飛行器識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)及其算法。文中算法無(wú)需將目標(biāo)物體從背景中分離出來(lái),而將飛行器的目標(biāo)識(shí)別任務(wù)分成兩個(gè)部分:候選區(qū)域生成和飛行器分類。對(duì)于候選區(qū)域生成問(wèn)題,借鑒faster-rcnn的思路提出并構(gòu)建一個(gè)候選區(qū)域提取網(wǎng)絡(luò)。該網(wǎng)絡(luò)通過(guò)對(duì)各幅圖像批量生成候選框,并對(duì)候選框先用卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化區(qū)域位置和尺寸得到分類概率,再生成代價(jià)函數(shù)后通過(guò)反向求導(dǎo)優(yōu)化網(wǎng)絡(luò)參數(shù)。另外,文中基于層次聚類提出一種候選區(qū)域篩選算法,通過(guò)預(yù)先篩選候選區(qū)域大幅降低測(cè)試運(yùn)行時(shí)間。在飛行器分類方面,提取幾類常見(jiàn)的飛行器目標(biāo),基于AlexNet設(shè)計(jì)圖像分類網(wǎng)絡(luò),且將原網(wǎng)絡(luò)中的池化層用金字塔池化層替代,解決數(shù)據(jù)集中圖像大小不一的問(wèn)題;并使用遷移學(xué)習(xí)的方法解決有標(biāo)簽樣本稀缺的情況下網(wǎng)絡(luò)訓(xùn)練困難的問(wèn)題;通過(guò)數(shù)據(jù)增強(qiáng)、批歸一化等措施進(jìn)一步改善分類效果。最后,文中進(jìn)行基于深度學(xué)習(xí)的飛行器目標(biāo)識(shí)別網(wǎng)絡(luò)訓(xùn)練和實(shí)驗(yàn)驗(yàn)證研究。文中從網(wǎng)絡(luò)中獲取了 ImageNet圖像數(shù)據(jù)庫(kù)中5類飛行器圖像,對(duì)各類圖像分別做圖像及候選區(qū)域標(biāo)注,并通過(guò)圖像翻轉(zhuǎn)和圖像對(duì)比度變換等措施進(jìn)行數(shù)據(jù)增強(qiáng),進(jìn)而獲得實(shí)驗(yàn)所需的訓(xùn)練集和測(cè)試集。實(shí)驗(yàn)測(cè)試結(jié)果表明采用文中算法生成的候選區(qū)域基本符合實(shí)際情況,并使得飛行器的分類準(zhǔn)確率達(dá)到90%以上,且運(yùn)行速度相對(duì)于傳統(tǒng)算法有較大提升。
【學(xué)位單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2017
【中圖分類】：E926.4
【文章目錄】：
致謝
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 圖像分類算法研究現(xiàn)狀
        1.2.2 深度學(xué)習(xí)研究現(xiàn)狀
    1.3 本文的組織和架構(gòu)
第2章 圖像分類算法
    2.1 概述
    2.2 圖像分類常用特征
        2.2.1 HOG算子
        2.2.2 SIFT算子
        2.2.3 Haar-like算子
    2.3 詞袋模型
    2.4 深度卷積神經(jīng)網(wǎng)絡(luò)
    2.5 TensorFlow介紹
    2.6 本章小結(jié)
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的飛行器圖像識(shí)別算法
    3.1 算法概述
    3.2 圖像分類網(wǎng)絡(luò)
    3.3 候選區(qū)域提取
        3.3.1 選擇性搜索(selective search)
        3.3.2 區(qū)域候選網(wǎng)絡(luò)(Regional Proposal Network, RPN)
    3.4 算法優(yōu)化與改進(jìn)
        3.4.1 數(shù)據(jù)增強(qiáng)
        3.4.2 批次規(guī)則化(Batch Normalization, BN)
        3.4.3 基于層次聚類的候選區(qū)域預(yù)篩選
    3.5 本章小結(jié)
第4章 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
    4.1 實(shí)驗(yàn)概述
        4.1.1 運(yùn)行環(huán)境
        4.1.2 評(píng)判指標(biāo)
    4.2 圖像數(shù)據(jù)采集和預(yù)處理
    4.3 代碼結(jié)構(gòu)
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 分類網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果
        4.4.2 候選區(qū)域提取實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來(lái)研究工作
參考文獻(xiàn)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王宏;莫裕孟;尹莉軍;向時(shí)平;;野外復(fù)雜背景下輕武器射擊目標(biāo)的圖像識(shí)別算法[J];火力與指揮控制;2009年07期

2 蔡政;丁宣浩;陳麗霞;劉憶寧;;敏感圖像識(shí)別算法研究[J];企業(yè)科技與發(fā)展;2012年05期

3 王斌,羅志勇,劉棟玉,呂新民;帶鋼表面重皮缺陷在線圖像識(shí)別算法研究[J];華中理工大學(xué)學(xué)報(bào);1996年08期

4 朱華;應(yīng)保勝;;鋼坯表面裂紋的圖像識(shí)別算法研究[J];機(jī)械設(shè)計(jì)與制造;2013年01期

5 程詠梅,潘泉,張洪才,王剛;信息融合圖像識(shí)別算法及其在三維飛機(jī)圖像識(shí)別中的應(yīng)用研究[J];航空學(xué)報(bào);2004年02期

6 唐盛;陳思平;尹立東;劉國(guó)文;;一種快速全自動(dòng)超聲子宮節(jié)育環(huán)圖像識(shí)別算法[J];深圳大學(xué)學(xué)報(bào)(理工版);2008年03期

7 彭博;蔣陽(yáng)升;;路面裂縫圖像識(shí)別算法研究進(jìn)展[J];中外公路;2013年06期

8 張冬娟;唐萬(wàn)有;朱捷航;;燙印在線檢測(cè)圖像識(shí)別算法的研究[J];包裝工程;2013年05期

9 段思迪;;紙幣清分圖像識(shí)別算法研究[J];鹽城工學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年03期

10 陳海霞,苑森淼,姜?jiǎng)P;全自動(dòng)芯片鍵合機(jī)中多目標(biāo)圖像識(shí)別算法[J];儀器儀表學(xué)報(bào);2005年10期

相關(guān)碩士學(xué)位論文 前10條

1 王銀立;輸電線路導(dǎo)線斷股及絕緣子自爆的圖像識(shí)別算法研究[D];電子科技大學(xué);2014年

2 胡偉;一種新型的太陽(yáng)能硅片數(shù)片機(jī)[D];中國(guó)計(jì)量學(xué)院;2015年

3 王靜;基于ICA和ELM的圖像識(shí)別算法研究[D];中國(guó)海洋大學(xué);2015年

4 傅天駒;基于深度學(xué)習(xí)的林火圖像識(shí)別算法及實(shí)現(xiàn)[D];北京林業(yè)大學(xué);2016年

5 胡惠賢;基于異構(gòu)平臺(tái)的視頻圖像識(shí)別算法研究與實(shí)現(xiàn)[D];華南理工大學(xué);2016年

6 陳文一;動(dòng)車(chē)組異常圖像識(shí)別算法及應(yīng)用研究[D];華中科技大學(xué);2015年

7 程嘉暉;基于深度卷積神經(jīng)網(wǎng)絡(luò)的飛行器圖像識(shí)別算法研究[D];浙江大學(xué);2017年

8 王明瀟;圖像識(shí)別算法研究及其智能終端上的實(shí)現(xiàn)[D];北京郵電大學(xué);2010年

9 張綠云;基于奇異值分解與正交可判別向量的圖像識(shí)別算法研究[D];廣西師范大學(xué);2013年

10 魏正宜;紙幣圖像識(shí)別算法的研究[D];哈爾濱理工大學(xué);2009年

本文編號(hào)：2847109