目標(biāo)檢測是計(jì)算機(jī)視覺技術(shù)的重要研究內(nèi)容,在智能安防、無人駕駛、場景識別、醫(yī)療診斷等多個(gè)領(lǐng)域得到廣泛的應(yīng)用。然而由于在現(xiàn)實(shí)應(yīng)用場景中目標(biāo)物體的尺度變化、遮擋程度以及外界環(huán)境變化等一些因素的影響,導(dǎo)致當(dāng)前的目標(biāo)檢測算法都存在對于小尺度目標(biāo)和存在部分遮擋目標(biāo)的檢測準(zhǔn)確率較低的問題,因此,設(shè)計(jì)一種能夠應(yīng)對現(xiàn)實(shí)場景變化又能夠準(zhǔn)確地檢測出目標(biāo)的檢測算法是當(dāng)前目標(biāo)檢測算法的重點(diǎn)。本文在Faster R-CNN的基礎(chǔ)上提出了一種基于特征融合與對抗遮擋網(wǎng)絡(luò)的目標(biāo)檢測算法,通過引入特征融合網(wǎng)絡(luò)和對抗遮擋網(wǎng)絡(luò)來提升算法對小尺度目標(biāo)和存在部分遮擋目標(biāo)的檢測性能。特征融合網(wǎng)絡(luò)是利用逆卷積操作將高層特征圖與低層特征圖相融合,增加網(wǎng)絡(luò)中低層特征圖的提取能力,最終生成具有高分辨率高語義信息的單個(gè)高級特征圖,并在其上進(jìn)行預(yù)測,從而能更有效地檢測出圖像中的小目標(biāo)。對抗遮擋網(wǎng)絡(luò)在目標(biāo)的深層特征圖上創(chuàng)建遮擋,生成檢測器難以判別的對抗性訓(xùn)練樣本,同時(shí)檢測器通過自身學(xué)習(xí)來對生成的具有遮擋的對抗性樣本進(jìn)行分類,這兩者互相競爭又互相學(xué)習(xí),從而使算法的檢測性能進(jìn)一步得到提升。此外、本文還通過改進(jìn)的非極大值抑制算法來對預(yù)測框進(jìn)行篩選,改... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

目標(biāo)檢測的應(yīng)用此前，傳統(tǒng)的目標(biāo)檢測方法通過圖像預(yù)處理、滑動(dòng)窗口提取候選區(qū)、在候選區(qū)中提取特（3）場景識別（4）醫(yī)療診斷

傳統(tǒng)的目圖

骯?詰目跏涌萍肌⑸燙攬萍�、�？低?�、大�?等國內(nèi)外知名的公司都花費(fèi)了巨大的人力物力財(cái)力來對目標(biāo)檢測進(jìn)行研究[71-75]，并有很多研究成果成功落地，這些研究成果被廣泛使用在智能安防、無人駕駛、人臉識別等場景中，實(shí)現(xiàn)了巨大的商業(yè)價(jià)值。當(dāng)前，根據(jù)不同的特征提取方式，研究者們將目標(biāo)檢測算法主要分為傳統(tǒng)特征提取的目標(biāo)檢測算法和深度學(xué)習(xí)的目標(biāo)檢測算法。1.2.1傳統(tǒng)的目標(biāo)檢測算法傳統(tǒng)的目標(biāo)檢測算法[76-79]是早期目標(biāo)檢測所使用的重要方法，這一類檢測算法在算法實(shí)現(xiàn)方式上較為簡單，但是其在精度上還較為欠缺。如圖1.2所示，傳統(tǒng)的目標(biāo)檢測算法流程一般分為三大步驟：首先，使用多尺度滑窗或者選擇性搜索算法在輸入圖像上生成一些候選區(qū)域，然后使用一些特征提取方式來對每一個(gè)候選區(qū)域進(jìn)行特征提取，最后將所提取的特征輸入到分類器中進(jìn)行分類與回歸，輸出目標(biāo)的類別信息以及坐標(biāo)信息。圖1.2傳統(tǒng)的目標(biāo)檢測算法流程在傳統(tǒng)的目標(biāo)檢測算法流程中，生成候選區(qū)域的目的就是在輸入圖片上生成大量的建議框，因?yàn)樵谳斎雸D像中，目標(biāo)可能出現(xiàn)在圖片的任意位置上，并且不同的目標(biāo)在形狀和尺寸輸入圖像生成候選區(qū)域（多尺度滑窗、選擇性搜索）特征提�。℉aar、SIFT、HOG）分類器（SVM、Adaboost）輸出結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的場景識別系統(tǒng)[J]. 張正陽.  電子制作. 2019(02)
[2]基于深度學(xué)習(xí)的醫(yī)學(xué)影像診斷綜述[J]. 張巧麗,趙地,遲學(xué)斌.  計(jì)算機(jī)科學(xué). 2017(S2)
[3]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運(yùn)鋒,譚鐵牛.  計(jì)算機(jī)學(xué)報(bào). 2015(06)
[4]無人駕駛汽車的先進(jìn)技術(shù)與發(fā)展[J]. 端木慶玲,阮界望,馬鈞.  農(nóng)業(yè)裝備與車輛工程. 2014(03)
[5]計(jì)算機(jī)視覺技術(shù)在集裝箱碼頭的應(yīng)用[J]. 王彤.  集裝箱化. 2011(06)
[6]基于高斯超像素的快速Graph Cuts圖像分割方法[J]. 韓守東,趙勇,陶文兵,桑農(nóng).  自動(dòng)化學(xué)報(bào). 2011(01)

碩士論文
[1]基于視頻圖像的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法研究[D]. 張瑞娟.大連理工大學(xué) 2008



本文編號：3355517