隨著計算機視覺技術的不斷發(fā)展,其在智慧城市、自動駕駛、安防監(jiān)控等諸多領域的應用愈發(fā)廣泛,而目標檢測作為其中核心模塊,檢測質量將直接影響最終結果的優(yōu)劣,高效、魯棒的目標檢測算法一直是計算機視覺領域的研究熱點和難點問題。當前,基于深度學習的目標檢測已成為研究趨勢,越來越為人們所青睞。該類算法對海量標注數(shù)據(jù)進行自主學習以獲取相應特征,借助監(jiān)督訓練生成特定檢測模型,最終利用上述模型對未標注的圖片進行目標檢測,獲得顯著優(yōu)于傳統(tǒng)算法的檢測結果。但是,隨著深度學習技術的不斷發(fā)展,對訓練樣本數(shù)據(jù)量的要求逐步增加,采用傳統(tǒng)人工標注不僅耗時耗力,而且精度不高,在一定程度上制約了深度學習方法在目標檢測領域的推廣應用。因此,如何實現(xiàn)高精度、快速自動數(shù)據(jù)標注,成為提升目標檢測算法效率的關鍵�；诖�,本文圍繞目前基于模型的自動標注方法存在標注精準度不高這一問題,提出了基于深度學習的高精度目標標注與檢測技術研究,并在海康威視（HKVISION）檢測平臺上進行了測試,獲得良好效果。論文具體工作包括以下幾部分內(nèi)容:1)針對當前目標檢測模型進行分析,包括單個階段的目標檢測模型以及兩個階段的目標檢測模型,分析各類模型在目標... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【部分圖文】：

上海市智能網(wǎng)聯(lián)汽車道路測試車牌Figure1.1ShanghaiIntelligentNetworkUnitedVehicleRoadTestLicensePlate

圖森未來科技L4級無人駕駛卡車Figure1.2TusimplefuturetechnologyL4driverlesstruck

重慶大學碩士學位論文8代表框內(nèi)物體屬于某一類的概率，檢測網(wǎng)絡所有的輸出皆為矩形框。FastR-CNN系列目標檢測算法均采用兩個stage對目標進行檢測，首先第一個stage對目標的大致位置進行檢測定位(SS算法)，以及判斷該位置是否包含物體，即識別該處是前景還是背景；第二個stage則是對物體進行進一步檢測定位，其定位精度相對于第一個stage更加準確，另外，在第二個stage還對物體具體類別進行識別，進行具體的分類。采用這樣的好處就是兩級的檢測回歸，在定位方面準確度更高。圖1.5采用FastR-CNN對圖片中的文字目標進行檢測Figure1.5TexttargetdetectioninpicturesusingFastR-CNN如圖1.5所示是采用訓練好的FastR-CNN目標檢測模型對圖片中的文字目標進行檢測，可以看到圖片中大部分文字目標都被檢測到，檢測到的文字采用紅色框進行標注；檢測框的置信度在框的上部進行標出。采用FasterR-CNN系列模型對圖片進行目標檢測，其檢測步驟有兩個stage。在第一個stage中，會對圖片中的目標做一個粗略的定位，以及對粗略位置的目標進行前景背景分類，這個stage名稱叫做RegionProposalNetwork(RPN)，獲取到的粗略的定位框叫做RegionofInterest(RoI)；在第二個stage中，對圖片中的RoI區(qū)域進行進一步的特征提娶更加準確的定位，以及對物體的具體類別進行區(qū)分，獲取到物體的精準定位、分類及分類置信度，這個stage名稱叫做RCNN。由于存

【參考文獻】：
期刊論文
[1]基于特征金字塔算法的輸電線路多尺度目標檢測方法[J]. 劉業(yè)鵬,吳童桐,賈雪健,翟永杰.  儀器儀表用戶. 2019(01)
[2]圖森未來獲得首張重卡自動駕駛道路測試牌照[J]. 商訊.  商用汽車. 2018(11)
[3]An interview with Dr.Raj Reddy on artificial intelligence[J]. FITEE editorial staff.  Frontiers of Information Technology & Electronic Engineering. 2018(01)

博士論文
[1]基于深度學習的野外巡線系統(tǒng)圖像目標檢測研究[D]. 王振華.中國地質大學(北京) 2018
[2]面向圖像目標識別和檢測的深度神經(jīng)網(wǎng)絡關鍵技術研究[D]. 李揚.北京郵電大學 2018

碩士論文
[1]基于顯著性的目標檢測算法[D]. 鮑小如.南京郵電大學 2018
[2]區(qū)域卷積神經(jīng)網(wǎng)絡在車輛檢測中的應用研究[D]. 張鶴鶴.西安理工大學 2018
[3]基于Harris-SIFT算法的雙目視覺立體匹配研究[D]. 趙麗麗.東北石油大學 2018
[4]基于CS-LBP與自適應神經(jīng)網(wǎng)絡的虹膜識別算法的研究[D]. 孟丹彤.東北師范大學 2018
[5]基于多尺度特征的目標檢測算法研究[D]. 高鳴岐.哈爾濱工業(yè)大學 2018
[6]基于深度卷積神經(jīng)網(wǎng)絡和圖像傳感器的道路多目標檢測研究[D]. 謝一德.北京交通大學 2018
[7]基于SIFT與互信息的SAR與可見光圖像的配準研究[D]. 于豐.西安電子科技大學 2018
[8]基于HOG3D的三維CT腹部器官檢測[D]. 蘇博文.哈爾濱工業(yè)大學 2018
[9]基于計算機視覺的行人檢測與人數(shù)統(tǒng)計算法研究[D]. 秦方.電子科技大學 2018
[10]基于L0-SVM特征選擇算法的研究及在人臉識別中的應用[D]. 王云鵬.西安科技大學 2017



本文編號：2996080