圖像是人類獲取信息的重要方式,隨著社會(huì)信息化程度的日益提高,自動(dòng)識(shí)別圖像的需求也變得越來(lái)越迫切。由于互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展,網(wǎng)絡(luò)中圖像數(shù)據(jù)呈現(xiàn)出爆炸式的增長(zhǎng),而傳統(tǒng)模式識(shí)別方法在海量圖像數(shù)據(jù)集上的識(shí)別效果無(wú)法令人滿意,研究者們提出采用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）來(lái)進(jìn)行圖像識(shí)別,其中,卷積是最為關(guān)鍵的組件�，F(xiàn)有的卷積如普通卷積、膨脹卷積和可變形卷積,在圖像識(shí)別中取得了不錯(cuò)的效果,但仍存在一些不足,如:普通卷積的感受野范圍受到卷積核的限制,不夠魯棒;膨脹卷積會(huì)形成一個(gè)規(guī)則的感受野,不足以應(yīng)付物體表觀特征產(chǎn)生的各種變化;可變形卷積的感受野的形狀的不能快速變換,不能起到精確定位目標(biāo)的作用。為解決上述問(wèn)題,本文對(duì)以上各種卷積進(jìn)行了深入的研究,獨(dú)立完成了以下工作:（1）在普通卷積、膨脹卷積和可變形卷積的基礎(chǔ)上,提出了各向異性膨脹卷積（Anisotropic Dilated Convolution,ADC）。各向異性膨脹卷積的優(yōu)勢(shì)在于繼承了以往普通卷積、膨脹卷積、可變形卷積的優(yōu)點(diǎn),是一種更加泛化的卷積形式,其他卷積可認(rèn)為是各向異性膨脹卷積的一... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１普通卷積工作方式??

圖２－２膨脹卷積工作方式??Ｆｉｇｕｒｅ?２－２?Ｏｐｅｒａｔｉｏｎ?ｍｏｄｅ?ｏｆ?ｄｉｌａｔｅｄ?ｃｏｎｖｏｌｕｔｉｏｎ??膨脹卷積工作方式如圖２－２所示，上層的是一個(gè)卷積核大小為３ｘ３的膨脹卷積，??步長(zhǎng)為１，膨脹率為２，下層是一個(gè)７ｘ７大小的特征圖，不進(jìn)行邊界填充。圖（ａ）??到圖（ｂ）到圖（ｃ）展示了卷積的工作方式，３ｘ３的膨脹卷積和３ｘ３的普通卷積的??參數(shù)量是一樣的，也同樣是使用滑動(dòng)窗口的方式進(jìn)行采樣，但是采樣的點(diǎn)發(fā)生了??改變，除了卷積核的中心點(diǎn)，其他點(diǎn)相對(duì)于中心點(diǎn)每隔（膨脹率－１）行或列采樣一??次，導(dǎo)致感受野的范圍發(fā)生了變化。在相同的計(jì)算條件下，膨脹卷積并不會(huì)增加??模型的復(fù)雜度，卻提供了更大的感受野，讓每個(gè)卷積輸出都包含較大范圍的空間??一信息，但是要注意的是，如果要保證則輸出特征圖的空間尺寸與輸入特征圖的空??間尺寸相等的話

圖２－３可變形卷積［２（）］工作方式??Ｆｉｇｕｒｅ?２－３?Ｏｐｅｒａｔｉｏｎ?ｍｏｄｅ?ｏｆ?ｄｅｆｏｒｍａｂｌｅ?ｃｏｎｖｏｌｕｔｉｏｎ＾２０＾??可變形卷積工作方式如圖２－３所示，可變形卷積實(shí)際上是兩個(gè)卷積層組成的，??上面的卷積是輸出偏移量，下面的卷積輸出特征圖。定義輸入特征圖Ｘ和輸出特??征圖Ｙ，?Ｘ的大小為ＣｘＨｘＷ，其中Ｃ是特征圖Ｘ的通道數(shù)，Ｈ和Ｗ是特征圖Ｘ??的長(zhǎng)度和寬度。可變形卷積的流程為：??（１）

【參考文獻(xiàn)】：
期刊論文
[1]有限覆蓋定理在若干數(shù)學(xué)命題證明中的應(yīng)用[J]. 強(qiáng)華,周虎.  佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(05)
[2]有限覆蓋定理的教學(xué)研究與實(shí)踐[J]. 楊小遠(yuǎn),薛玉梅,孫玉泉,楊卓琴.  高等數(shù)學(xué)研究. 2014(01)



本文編號(hào)：3362458