發(fā)布時(shí)間：2024-11-26 22:22

　　隨著人工智能越來越多的滲透到我們生活工作的方方面面,人工智能技術(shù)中非常重要的分支——計(jì)算機(jī)視覺受到越來越多研究者的關(guān)注。而目標(biāo)檢測技術(shù)更是眾多計(jì)算機(jī)視覺任務(wù)的必備前提,如事件檢測、自動(dòng)駕駛、智能醫(yī)療等。近年來目標(biāo)檢測領(lǐng)域發(fā)展迅猛,各種研究成果層出不窮,但是當(dāng)前的目標(biāo)檢測技術(shù)依然有很大的提升空間。本文在大量查閱文獻(xiàn),廣泛研究現(xiàn)有研究成果的情況下,對(duì)目標(biāo)檢測目前的國內(nèi)外研究現(xiàn)狀、存在的主要問題進(jìn)行了闡述。之后對(duì)目前目標(biāo)檢測的主流方法進(jìn)行了系統(tǒng)介紹,包括基于深度學(xué)習(xí)的兩段式和一段式目標(biāo)檢測方法。并且對(duì)視頻目標(biāo)檢測相對(duì)于圖像目標(biāo)檢測存在的主要難點(diǎn)進(jìn)行了說明。提出了加權(quán)特征金字塔網(wǎng)絡(luò)用以解決小目標(biāo)檢測精度較低的問題。針對(duì)一段式目標(biāo)檢測方法中前景背景樣本極度不平衡的問題提出了背景抑制損失函數(shù)。在加權(quán)特征金字塔網(wǎng)絡(luò)的基礎(chǔ)上提出了針對(duì)視頻目標(biāo)檢測的交錯(cuò)模型。并開發(fā)了集數(shù)據(jù)處理、模型訓(xùn)練以及目標(biāo)檢測為一體的原型系統(tǒng)。本文的主要研究內(nèi)容如下:1)針對(duì)小目標(biāo)檢測效果不佳的問題,提出了基于多層次深度特征融合的圖像目標(biāo)檢測方法。利用卷積神經(jīng)網(wǎng)絡(luò)淺層特征具有較高分辨率,深層特征具有較為具體的語義信息的特性。根據(jù)不同...

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究的主要內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 基于深度學(xué)習(xí)的目標(biāo)檢測研究概況
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 特征金字塔
    2.3 兩段式目標(biāo)檢測方法
        2.3.1 R-CNN
        2.3.2 Fast R-CNN
        2.3.3 Faster R-CNN
    2.4 一段式目標(biāo)檢測方法
        2.4.1 YOLO
        2.4.2 SSD
    2.5 視頻目標(biāo)檢測的難點(diǎn)
    2.6 本章小結(jié)
第三章 基于多層次深度特征融合的圖像目標(biāo)檢測方法
    3.1 概述
    3.2 加權(quán)特征金字塔網(wǎng)絡(luò)
        3.2.1 網(wǎng)絡(luò)架構(gòu)
        3.2.2 特征提取
        3.2.3 特征融合
        3.2.4 目標(biāo)檢測
    3.3 背景抑制損失函數(shù)
        3.3.1 前/背景樣本平衡問題
        3.3.2 背景抑制
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.4.2 評(píng)價(jià)指標(biāo)
        3.4.3消融實(shí)驗(yàn)
        3.4.4 特征融合的權(quán)重分配
        3.4.5 基于背景抑制的特征加權(quán)特征金字塔
    3.5 本章小結(jié)
第四章 基于交錯(cuò)WFPN的視頻目標(biāo)檢測方法
    4.1 概述
    4.2 交錯(cuò)WFPN
        4.2.1 網(wǎng)絡(luò)框架
        4.2.2 高精度目標(biāo)檢測器V-WFPN
        4.2.3 高速目標(biāo)檢測器V-FastWFPN
        4.2.4 時(shí)序信息處理模塊Group ConvLSTM
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 數(shù)據(jù)集簡介
        4.3.2 交錯(cuò)率設(shè)置
        4.3.3 HRank剪枝
        4.3.4 主干網(wǎng)絡(luò)選擇
        4.3.5 主流模型對(duì)比
    4.4 本章小結(jié)
第五章 視頻目標(biāo)檢測原型系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 概述
    5.2 系統(tǒng)開發(fā)工具簡介
    5.3 原型系統(tǒng)設(shè)計(jì)概況
        5.3.1 數(shù)據(jù)預(yù)處理
        5.3.2 模型訓(xùn)練
        5.3.3 目標(biāo)檢測
    5.4 目標(biāo)檢測原型系統(tǒng)實(shí)現(xiàn)
        5.4.1 數(shù)據(jù)預(yù)處理
        5.4.2 模型訓(xùn)練
        5.4.3 目標(biāo)檢測
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 后期工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的研究成果



本文編號(hào)：4012679