發(fā)布時間：2025-01-14 01:42

　　作為計算機(jī)視覺中最基本的問題之一,目標(biāo)檢測因其在現(xiàn)實(shí)世界中的廣泛應(yīng)用地位而一直頗受關(guān)注,從其長達(dá)20多年的不斷追求發(fā)展進(jìn)步的歷程來看,它代表了計算機(jī)視覺發(fā)展的歷史縮影,一直以來仍是一項(xiàng)充滿挑戰(zhàn)的研究方向。但在面臨霧霾、雨天天氣環(huán)境時,會對獲得的圖像產(chǎn)生干擾和降質(zhì),使得圖像成像模糊、細(xì)節(jié)丟失等。并且霧霾、雨天天氣對人類的視覺也存在巨大的挑戰(zhàn),霧霾造成的能見度低,雨滴造成的遮擋等等干擾著駕駛者捕捉到的有效視覺范圍,在駕車途中的任何判斷都可能會被影響,一定程度上可能會導(dǎo)致交通意外。因此對獲得的圖像進(jìn)行圖像復(fù)原獲得清晰圖像有利于提高目標(biāo)檢測算法的準(zhǔn)確率。本文在YOLOv3算法的基礎(chǔ)上,通過基于改進(jìn)的條件生成對抗網(wǎng)絡(luò)(Conditional Generative Adversarial Networks,CGAN)圖像復(fù)原算法以及對目標(biāo)檢測損失函數(shù)的優(yōu)化來提高YOLOv3算法在霧霾、雨天天氣下的檢測精度。具體研究工作如下:(1)在提升圖像復(fù)原算法的穩(wěn)定性方面,本文提出基于改進(jìn)的CGAN圖像復(fù)原算法,在CGAN的訓(xùn)練過程中提出結(jié)合梯度懲罰和譜歸一化來實(shí)現(xiàn)Lipschitz約束條件,該約束條件限制了判...

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1霧霾、雨天天

合肥工業(yè)大學(xué)碩士學(xué)位論文2戶外攝像頭取景范圍的擴(kuò)大，這些不利條件影響會逐漸遞增，就是因?yàn)檫@些不利因素的存在使戶外采集的圖像變的模糊不清，導(dǎo)致目標(biāo)信息被遮擋，從而影響著戶外智能交通系統(tǒng)的目標(biāo)檢測。同時在圖1.1(c)和圖1.1(d)也給出了在遭遇雨天氣環(huán)境時的情況。雨滴下落會造成戶....

圖5.9添加GIoU損失函數(shù)的YOLOv3訓(xùn)練曲線圖

合肥工業(yè)大學(xué)碩士學(xué)位論文52Fig5.8Raindropremovaleffectofrealimage5.6目標(biāo)檢測實(shí)驗(yàn)結(jié)果與分析本次進(jìn)行目標(biāo)檢測實(shí)驗(yàn)仿真的實(shí)驗(yàn)環(huán)境與圖像復(fù)原實(shí)驗(yàn)環(huán)境相同。整個訓(xùn)練過程中在損失函數(shù)的指引下使用隨機(jī)梯度下降法來更新網(wǎng)絡(luò)常數(shù)，考慮顯存大小，設(shè)置bat....

本文編號：4026217