隨著信息時代的到來,目標檢測走入人們的生活,云計算方式已不能滿足人們的需求。一方面,越來越多的邊緣端設備產生的實時數(shù)據(jù)需要被及時處理,數(shù)據(jù)傳輸要求更高的帶寬,實時處理的數(shù)據(jù)傳輸浪費了較長的時間,已不能滿足實時性的要求,就無人駕駛這一場景而言,秒級的延遲就有可能造成災難的發(fā)生;另一方面,數(shù)據(jù)在傳輸過程中,易被黑客攻擊,容易發(fā)生數(shù)據(jù)泄露的問題,就智能家居這一場景而言,用戶更容易接受將數(shù)據(jù)本地化處理,不上傳云端,這樣也保證了用戶的隱私不受侵犯;其次,云計算服務用戶的增加,也對云計算中心造成極大的負擔,很多大規(guī)模的數(shù)據(jù)中心也已經無法滿足要求。因此邊緣計算的概念被人們所提出,顧名思義,邊緣計算是指在“邊緣”進行計算,不再采用云計算的方式進行計算,先將數(shù)據(jù)傳輸?shù)皆贫?再返回數(shù)據(jù),而是直接在本地計算。對目標檢測而言,想要及時的獲取計算結果,圖像數(shù)據(jù)使用邊緣計算的方式進行處理,響應時間更短,處理效率更高,網絡壓力更小。本文以實現(xiàn)實時目標檢測為目的,分析并確定了以樹莓派為邊緣計算載體的目標檢測實現(xiàn)方式;研究現(xiàn)有的目標檢測算法,確定使用基于深度學習方法中的one stage算法,實驗、對比選出Mobile... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

卷積神經網絡結構

華 中 科 技 大 學 碩 士 學 位 論 文入層入層一般對圖像進行處理，將圖像轉換為像素值矩陣，傳遞給下一層進行。輸入層的圖像可分為灰度圖像和彩色圖像，每個圖像都可以用像素值矩，灰度圖像是指只含有一個通道的圖像，可以表示為二維像素值矩陣，彩含 RGB 三個通道，可以看作是三個二維像素值矩陣的疊加，像素值矩陣值一般為 0~255，如圖 2.2 為一個灰度圖像與其像素值矩陣。

圖 2.3 卷積過程卷積具有兩個特性，參數(shù)共享和稀疏連接。參數(shù)共享其實就是卷積核共享，直邊緣檢測卷積核如果適用于圖片的某個區(qū)域，那么它也可能適用于圖片的其域，如果我們用垂直卷積核掃描整張圖片，就可以得到整張圖片的所有垂直邊緣換做水平過濾器就可以掃描出圖片的水平邊緣。在卷積神經網絡中，我們用不卷積核對整張圖片進行卷積，學習整張圖片的不同特征，而不是利用不同的卷去學習圖片不同的局部特征，因為圖像的不同部分也可能有相同的特征，所以圖像可以都使用一個卷積核進行卷積，以便提取相同的圖像特征，即參數(shù)共享圖 2.4，分別是使用水平邊緣卷積核和垂直邊緣卷積核卷積后的結果。

【參考文獻】：
期刊論文
[1]基于邊緣檢測的海岸線自動提取研究[J]. 原曉慧,王萍,張英,任凌,翟亮.  北京測繪. 2019(02)
[2]基于卷積神經網絡的焊接缺陷識別技術及應用[J]. 楊志超,周強,胡侃,趙云.  武漢理工大學學報(信息與管理工程版). 2019(01)
[3]基于單片機的智能水下目標檢測識別系統(tǒng)設計[J]. 盧言.  電子制作. 2019(01)
[4]基于樹莓派智能導盲棍系統(tǒng)設計[J]. 鄭浩清.  中國戰(zhàn)略新興產業(yè). 2017(44)
[5]基于視覺的目標檢測與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動化學報. 2016(10)

博士論文
[1]基于圖像的人體檢測跟蹤和人臉識別的研究[D]. 王守佳.吉林大學 2013
[2]復雜背景下運動目標檢測和識別關鍵技術研究[D]. 解曉萌.華南理工大學 2012

碩士論文
[1]基于偽標注生成器的弱標記實時目標檢測方法[D]. 王璞.哈爾濱工業(yè)大學 2018
[2]光照變化環(huán)境下的運動目標檢測和跟蹤方法研究[D]. 趙淑勝.山東建筑大學 2018
[3]基于IEC61131-3標準的邊緣計算實時數(shù)據(jù)服務的研究[D]. 郭敏.大連理工大學 2018
[4]基于標簽相關性與協(xié)同訓練的卷積神經網絡車輛識別算法[D]. 蔣俊釗.廣東工業(yè)大學 2018
[5]面向移動端的輕量級卷積神經網絡分類算法研究[D]. 馬帥.華南理工大學 2018
[6]基于深度學習的目標檢測服務平臺研究與實現(xiàn)[D]. 林昌偉.北京郵電大學 2018
[7]基于人臉識別技術和邊緣計算技術的智能系統(tǒng)研究[D]. 蔡成飛.浙江大學 2018
[8]手勢識別關鍵技術及其在智能實驗室中的應用研究[D]. 陳睿敏.中國科學院大學(中國科學院上海技術物理研究所) 2017
[9]基于地理柵格的蜂窩網絡覆蓋性能分析工具的研發(fā)[D]. 劉葦.華中科技大學 2016
[10]智能車輛障礙檢測與避障策略的研究[D]. 韓璐.東華大學 2012



本文編號：3391861