車(chē)輛檢測(cè)在輔助駕駛、交通管理、遙感圖像等方面都有著重要應(yīng)用,隨著近些年車(chē)輛的不斷增多,和人們對(duì)于車(chē)輛檢測(cè)技術(shù)需求的不斷提高,車(chē)輛檢測(cè)已經(jīng)成為目標(biāo)檢測(cè)領(lǐng)域的重要研究對(duì)象。傳統(tǒng)的目標(biāo)檢測(cè)方法可以提高車(chē)輛檢測(cè)的準(zhǔn)確率,但無(wú)法在復(fù)雜場(chǎng)景中取得好的效果,在車(chē)輛檢測(cè)中存在瓶頸�；谏疃葘W(xué)習(xí)的目標(biāo)檢測(cè)方法,使用大量圖像數(shù)據(jù)訓(xùn)練復(fù)雜的網(wǎng)絡(luò)模型,可以提取圖像中更深更有效的目標(biāo)特征,在復(fù)雜場(chǎng)景中的檢測(cè)效果優(yōu)于傳統(tǒng)方法,提高了車(chē)輛檢測(cè)的性能。基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法是研究者們重要的研究課題,并且取得了非常好的研究成果,在今后的研究和應(yīng)用方面都有很大潛力。本文在對(duì)車(chē)輛檢測(cè)和深度學(xué)習(xí)等技術(shù)研究的基礎(chǔ)上,根據(jù)多種場(chǎng)景下的樣本量不同制定不同的算法對(duì)車(chē)輛進(jìn)行檢測(cè),為車(chē)輛檢測(cè)性能的改進(jìn)提供了新思路,主要研究成果如下:(1)針對(duì)深度學(xué)習(xí)車(chē)輛檢測(cè)方法中的檢測(cè)時(shí)間和存儲(chǔ)空間問(wèn)題,我們使用基礎(chǔ)組件為深度可分離卷積(Depthwise Separable Convolution,DSC)的MobileNet特征提取網(wǎng)絡(luò)替代原來(lái)Faster R-CNN算法中的VGG網(wǎng)絡(luò),通過(guò)改變卷積的過(guò)程來(lái)減少網(wǎng)絡(luò)卷積中產(chǎn)生的參數(shù)量和計(jì)算量。并...

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 研究目標(biāo)
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 光學(xué)圖像目標(biāo)檢測(cè)方法
        1.3.2 SAR圖像目標(biāo)檢測(cè)方法
    1.4 本文主要的研究工作
    1.5 章節(jié)安排
第二章 卷積神經(jīng)網(wǎng)絡(luò)和稀疏表示理論基礎(chǔ)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 卷積層
        2.1.2 池化層
        2.1.3 激活函數(shù)
        2.1.4 全連接層
    2.2 稀疏表示
第三章 基于Faster R-CNN的車(chē)輛檢測(cè)算法研究
    3.1 引言
    3.2 Faster R-CNN目標(biāo)檢測(cè)算法
    3.3 Faster R-CNN算法優(yōu)化
        3.3.1 基于特征提取網(wǎng)絡(luò)的優(yōu)化
        3.3.2 基于RPN網(wǎng)絡(luò)的優(yōu)化
    3.4 基于Faster R-CNN的車(chē)輛檢測(cè)算法流程
    3.5 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置
    3.6 實(shí)驗(yàn)結(jié)果
    3.7 本章小結(jié)
第四章 基于特征融合稀疏表示模型的SAR圖像車(chē)輛檢測(cè)方法
    4.1 引言
    4.2 基于特征融合稀疏表示模型的SAR圖像車(chē)輛檢測(cè)方法概述
    4.3 SAR圖像中可疑區(qū)域檢測(cè)
        4.3.1 灰度增強(qiáng)
        4.3.2 區(qū)域合并
    4.4 基于多特征融合的目標(biāo)確認(rèn)
    4.5 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置
    4.6 實(shí)驗(yàn)結(jié)果
        4.6.1 無(wú)融合目標(biāo)檢測(cè)
        4.6.2 二值目標(biāo)檢測(cè)
        4.6.3 多類(lèi)別目標(biāo)檢測(cè)
    4.7 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果



本文編號(hào)：3778505