目標(biāo)檢測(cè)一直以來都是學(xué)術(shù)界和工業(yè)界研究的熱點(diǎn)課題,近年來得到了更加快速的發(fā)展,但仍然存在著許多的問題,目標(biāo)小、目標(biāo)過多、目標(biāo)過于密集、目標(biāo)傾斜等都是影響準(zhǔn)確率的因素,因此,如何克服這些負(fù)面因素,同時(shí)提高準(zhǔn)確率和檢測(cè)速度是研究者們面臨的問題。近年來產(chǎn)生了許多優(yōu)秀的研究成果,例如:Yolo,Retinanet,Faster-rcnn。但是這些方法都只對(duì)稀疏的目標(biāo)場景有效,對(duì)于密集型的具有方向性的目標(biāo)檢測(cè)任務(wù)效果欠佳,因?yàn)樵趦A斜場景下使用正矩形目標(biāo)框會(huì)使相鄰目標(biāo)重疊面積過大,從而導(dǎo)致訓(xùn)練的時(shí)候包含的干擾特征過多,且在進(jìn)行非極大值抑制的時(shí)候閾值不好選擇的問題,為了解決上述面臨的問題,本文將提出一種新型的專門針對(duì)此類密集型具有方向性的目標(biāo)檢測(cè)場景的方法,使用具有傾斜角度的矩形框作為候選框的定向匹配網(wǎng)絡(luò)(DMnet),可以有效的避免相鄰特征的干擾以及非極大值抑制不準(zhǔn)的問題,由于采用了傾斜矩形框作為候選框,從而導(dǎo)致后續(xù)IOU計(jì)算、傾斜框的回歸、Loss函數(shù)等需要進(jìn)行改進(jìn),本文針對(duì)以上問題都給出了相應(yīng)的解決方案,并且在快消品數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),驗(yàn)證了本文所提出的方法具有可行性,并取得了不錯(cuò)的效果,和經(jīng)...

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 選題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)
        1.2.1 目標(biāo)檢測(cè)技術(shù)研究現(xiàn)狀
        1.2.2 快消品檢測(cè)研究現(xiàn)狀
        1.2.3 下一步發(fā)展趨勢(shì)
    1.3 目標(biāo)檢測(cè)存在的難點(diǎn)及挑戰(zhàn)
    1.4 本文研究內(nèi)容
    1.5 論文的組織結(jié)構(gòu)
第2章 目標(biāo)檢測(cè)相關(guān)理論與方法
    2.1 目標(biāo)檢測(cè)算法基本框架
    2.2 候選框生成算法介紹
        2.2.1 EdgeBox算法
        2.2.2 Selective Search算法
        2.2.3 基于RPN結(jié)構(gòu)的候選框生成算法
    2.3 基于候選框的目標(biāo)檢測(cè)方法
        2.3.1 R-CNN算法
        2.3.2 Fast R-CNN算法
        2.3.3 Faster R-CNN算法
    2.4 基于回歸的目標(biāo)檢測(cè)方法
        2.4.1 YOLO算法
        2.4.2 SSD算法
        2.4.3 Retinanet算法
    2.5 目標(biāo)檢測(cè)常用數(shù)據(jù)集
        2.5.1 PASCAL VOC數(shù)據(jù)集
        2.5.2 Microsoft COCO數(shù)據(jù)集
    2.6 本章小結(jié)
第3章 基于傾斜候選框的DMnet目標(biāo)檢測(cè)算法
    3.1 簡介
    3.2 研究內(nèi)容
        3.2.1 具有角度信息的Default boxes
        3.2.2 尺寸、比例及角度的選取
        3.2.3 IOU計(jì)算方法
        3.2.4 學(xué)習(xí)傾斜框的生成
    3.3 實(shí)現(xiàn)細(xì)節(jié)
    3.4 實(shí)驗(yàn)與分析
    3.5 本章小結(jié)
第4章 基于DMnet模型的快消品識(shí)別系統(tǒng)
    4.1 系統(tǒng)背景
    4.2 系統(tǒng)結(jié)構(gòu)
    4.3 數(shù)據(jù)標(biāo)注
    4.4 并行訓(xùn)練
    4.5 模型測(cè)試
        4.5.1 評(píng)價(jià)指標(biāo)
    4.6 模型部署
    4.7 預(yù)處理及后處理
        4.7.1 圖像清晰度判斷
        4.7.2 后處理策略
    4.8 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄 A 發(fā)表論文和參加科研情況說明
致謝



本文編號(hào)：3934429