【摘要】：目標檢測是計算機視覺領(lǐng)域中的經(jīng)典課題和研究熱點,它在圖像理解、視頻監(jiān)控、人機交互等方面有著廣泛的應(yīng)用。近年來,隨著多媒體數(shù)據(jù)的海量出現(xiàn)及深度學習技術(shù)的運用,多種算法被相繼提出,它們極大地促進了目標檢測的發(fā)展。然而,實際場景復(fù)雜多變,目標或小而稠密,或尺度變化大,或相互高度遮擋。這些因素導(dǎo)致目標檢測在局部模塊構(gòu)建、目標區(qū)域特征表達、模型架構(gòu)等核心問題上仍然面臨著挑戰(zhàn)。研究目標檢測問題中的理論和方法,并提出高效的目標檢測模型是視覺理解和多媒體應(yīng)用的迫切需求,因此,本文開展了復(fù)雜場景中目標檢測理論和方法的研究。針對現(xiàn)有目標檢測問題所面臨的挑戰(zhàn),本文首先以現(xiàn)有目標檢測模型為基礎(chǔ),對類目標窗口生成、端對端的檢測模型進行深入探討;然后進一步圍繞對象上下文信息和現(xiàn)有模型的通用性等若干問題展開研究;并且研究了跨場景的目標檢測與認證任務(wù)。具體的研究內(nèi)容和創(chuàng)新點包括如下幾個方面:(1)針對利用單線索生成類目標窗口缺乏有效指導(dǎo)的問題,本文研究了基于多線索的類目標窗口生成方法。首先定義特征相似性函數(shù),并進行圖像相似性排序。然后計算類目標窗口與相似圖像的目標窗口的外觀和空間匹配度,最后輸出高質(zhì)量的類目標窗口。該方法能夠有效排除背景的干擾,解決了傳統(tǒng)方法在復(fù)雜場景下生成的類目標窗口置信度打分不高的難題。(2)針對復(fù)雜場景下圖像分辨率高、目標小而稠密所帶來的難題,本文通過刻畫錨點和標注的目標窗口之間的匹配程度,構(gòu)建期望均方損失函數(shù),提出了自適應(yīng)尺度的錨點生成方法。并且考慮了更加豐富的語義信息,利用基于注意力機制的特征融合策略,提出了適用于小而稠密目標的特征提取方法。同時引入目標數(shù)量信息的監(jiān)督,提出了基于計數(shù)正則化的多任務(wù)損失函數(shù),進一步提升復(fù)雜場景下稠密小目標的檢測性能。(3)針對擁擠場景下目標部件嚴重遮擋所帶來的挑戰(zhàn),本文研究了基于上下文信息的目標檢測方法,提出了基于自適應(yīng)關(guān)系的卷積神經(jīng)網(wǎng)絡(luò)模型。通過對目標個體穩(wěn)定性進行建模,構(gòu)建了局部結(jié)構(gòu)化特征模塊。通過描述多個目標的組間差異性,設(shè)計了全局自適應(yīng)模塊。該模型能夠有效檢測擁擠場景中人的頭部區(qū)域,并可以推廣到人臉檢測任務(wù)。(4)針對跨域場景的目標檢測任務(wù),大多數(shù)現(xiàn)有的深度卷積網(wǎng)絡(luò)往往會出現(xiàn)“災(zāi)難性遺忘”難題。為此,本文對具有可遷移記憶能力的目標檢測方法進行了研究,提出了端對端訓練的記憶神經(jīng)網(wǎng)絡(luò)模型,設(shè)計排序函數(shù),挖掘記憶單元。無論是單類還是多類目標檢測問題,本文提出的方法對學習到的目標信息都具有記憶能力。(5)針對跨場景的視頻監(jiān)控場景,本文對目標檢測和認證任務(wù)展開研究。通過設(shè)計語義區(qū)域集成和多區(qū)域相似性度量策略,本文提出了多區(qū)域集成的跨場景目標檢測與認證模型。該模型考慮了單個語義區(qū)域的外觀信息和各個語義區(qū)域間的相互關(guān)系,能夠克服水平條紋區(qū)域劃分的缺點。在外表、視角、姿態(tài)、光照變化的情況下,仍然能夠檢測到標簽一致的目標。
【學位授予單位】：電子科技大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：TP391.41;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 賈蓓;李敬華;肖飛;;基于復(fù)雜電磁環(huán)境的信號檢測模型構(gòu)建分析[J];信息技術(shù)與信息化;2015年09期

2 蔡靜;;考慮檢測影響的貯存-檢測模型及其參數(shù)估計[J];湖北民族學院學報(自然科學版);2012年02期

3 董斯維;郭斌;余力;;個性化推薦攻擊檢測模型研究[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2006年12期

4 任涵;李勇;呂天雯;;基于自適應(yīng)遺傳算法的獼猴桃組培檢測模型[J];計算機與應(yīng)用化學;2016年12期

5 李一男;劉永平;王汝琳;;一種礦用紅外瓦斯傳感器的檢測模型[J];工礦自動化;2010年01期

6 張強;;一種利用特征選擇改進的行人檢測模型[J];微型機與應(yīng)用;2016年02期

7 楊浩;謝昕;李卓群;章玲玲;;網(wǎng)絡(luò)中隱蔽信道數(shù)據(jù)安全檢測模型研究與仿真[J];計算機仿真;2016年10期

8 嚴侃;雷江濤;;基于時頻分析的水聲目標被動檢測模型研究[J];魚雷技術(shù);2015年01期

9 李世淙;云曉春;張永錚;;一種基于分層聚類方法的木馬通信行為檢測模型[J];計算機研究與發(fā)展;2012年S2期

10 孫飛帆;施勇;薛質(zhì);;基于權(quán)重分析的網(wǎng)頁木馬檢測模型[J];信息安全與通信保密;2012年12期

相關(guān)會議論文 前10條

1 劉俊榮;王文槿;劉寶旭;;一種基于網(wǎng)絡(luò)行為分析的木馬檢測模型[A];第十六屆全國核電子學與核探測技術(shù)學術(shù)年會論文集（下冊）[C];2012年

2 王建平;張自立;魏華;;戰(zhàn)術(shù)空域沖突檢測模型研究[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

3 李京鵬;楊林;劉世棟;;防火墻狀態(tài)檢測模型研究[A];第十八次全國計算機安全學術(shù)交流會論文集[C];2003年

4 孫璐;馬兆豐;黃勤龍;;基于權(quán)限分析的安卓應(yīng)用程序風險檢測模型[A];第十屆中國通信學會學術(shù)年會論文集[C];2014年

5 范淵;凌霄;;Android程序安全檢測模型[A];第28次全國計算機安全學術(shù)交流會論文集[C];2013年

6 武照東;劉英凱;劉春;吳秀峰;;Overlay網(wǎng)絡(luò)的鏈路故障檢測模型[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國青年通信學術(shù)會議論文集（下）[C];2008年

7 劉賽娥;;基于ARP欺騙的以太網(wǎng)檢測模型的設(shè)計與實現(xiàn)[A];《教師教學能力發(fā)展研究》科研成果集（第六卷）[C];2017年

8 周雙娥;熊國平;;基于Petri網(wǎng)的故障檢測模型的設(shè)計與分析[A];第六屆中國測試學術(shù)會議論文集[C];2010年

9 廖鵬;;基于異常特征的DDoS檢測模型[A];經(jīng)濟發(fā)展方式轉(zhuǎn)變與自主創(chuàng)新——第十二屆中國科學技術(shù)協(xié)會年會（第四卷）[C];2010年

10 王心覺;;應(yīng)用LabVIEW的建筑結(jié)構(gòu)健康檢測模型和預(yù)警系統(tǒng)實驗[A];2015年上海-西安聲學學會第四屆聲學學術(shù)交流會論文集[C];2015年

相關(guān)重要報紙文章 前3條

1 賽迪出版?zhèn)髅绞紫浾?郭濤;預(yù)見性安全“又快又好”[N];中國計算機報;2018年

2 中聯(lián)綠盟、李群;IDS的關(guān)鍵：解決好誤報和漏報[N];中國計算機報;2002年

3 ;文化力是決定成敗的關(guān)鍵因素[N];常州日報;2009年

相關(guān)博士學位論文 前10條

1 李威;復(fù)雜場景目標檢測理論與方法研究[D];電子科技大學;2019年

2 白清松;基于QCM的液體檢測技術(shù)研究[D];電子科技大學;2019年

3 周曉飛;基于機器學習的視覺顯著性檢測研究[D];上海大學;2018年

4 王燕;基于用戶感知與業(yè)務(wù)特征的電信網(wǎng)絡(luò)性能監(jiān)控與檢測模型研究[D];西安電子科技大學;2018年

5 鄧濤;基于視覺注意的駕駛場景顯著性檢測模型研究[D];電子科技大學;2018年

6 趙靜;網(wǎng)絡(luò)協(xié)議異常檢測模型的研究與應(yīng)用[D];北京交通大學;2010年

7 唐赫;基于生物啟發(fā)和統(tǒng)計分析相結(jié)合的圖像顯著性檢測模型研究[D];華中科技大學;2017年

8 蔣鵬;圖像內(nèi)容顯著性檢測的理論和方法研究[D];山東大學;2016年

9 李濤;基于上下文的目標檢測研究[D];電子科技大學;2016年

10 陳林潔;褪黑激素受體MT1活化的信號轉(zhuǎn)導(dǎo)機制研究及內(nèi)含肽介導(dǎo)的新型GPCR活化檢測模型構(gòu)建[D];浙江大學;2013年

相關(guān)碩士學位論文 前10條

1 田野;基于多層特征融合預(yù)測的實時人臉檢測模型研究[D];電子科技大學;2019年

2 李陽;基于深度學習的有遮擋人臉五官定位算法研究[D];電子科技大學;2019年

3 蔣威;基于生成對抗網(wǎng)絡(luò)的感興趣區(qū)域目標檢測方法[D];杭州電子科技大學;2019年

4 陶方艦;基于深度學習的Webshell檢測技術(shù)研究[D];海南大學;2019年

5 羅雨珊;基于cnn的車輛目標檢測關(guān)鍵技術(shù)研究與設(shè)計[D];電子科技大學;2019年

6 李旭;基于應(yīng)用分類的安卓惡意應(yīng)用檢測模型[D];廣州大學;2019年

7 張小強;基于格式塔理論的視覺顯著檢測模型研究[D];江西財經(jīng)大學;2019年

8 丁冠群;基于視覺注意力的視頻異常檢測模型研究[D];江西財經(jīng)大學;2019年

9 黃亞東;蒙古馬奶常規(guī)營養(yǎng)成分檢測與NIR快速檢測模型建立[D];內(nèi)蒙古農(nóng)業(yè)大學;2019年

10 嚴海;基于深度學習的靜態(tài)圖像目標檢測研究[D];華北電力大學;2019年

，

本文編號：2671530