【摘要】：目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域中的經(jīng)典課題和研究熱點(diǎn),它在圖像理解、視頻監(jiān)控、人機(jī)交互等方面有著廣泛的應(yīng)用。近年來(lái),隨著多媒體數(shù)據(jù)的海量出現(xiàn)及深度學(xué)習(xí)技術(shù)的運(yùn)用,多種算法被相繼提出,它們極大地促進(jìn)了目標(biāo)檢測(cè)的發(fā)展。然而,實(shí)際場(chǎng)景復(fù)雜多變,目標(biāo)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(biāo)檢測(cè)在局部模塊構(gòu)建、目標(biāo)區(qū)域特征表達(dá)、模型架構(gòu)等核心問(wèn)題上仍然面臨著挑戰(zhàn)。研究目標(biāo)檢測(cè)問(wèn)題中的理論和方法,并提出高效的目標(biāo)檢測(cè)模型是視覺(jué)理解和多媒體應(yīng)用的迫切需求,因此,本文開(kāi)展了復(fù)雜場(chǎng)景中目標(biāo)檢測(cè)理論和方法的研究。針對(duì)現(xiàn)有目標(biāo)檢測(cè)問(wèn)題所面臨的挑戰(zhàn),本文首先以現(xiàn)有目標(biāo)檢測(cè)模型為基礎(chǔ),對(duì)類目標(biāo)窗口生成、端對(duì)端的檢測(cè)模型進(jìn)行深入探討;然后進(jìn)一步圍繞對(duì)象上下文信息和現(xiàn)有模型的通用性等若干問(wèn)題展開(kāi)研究;并且研究了跨場(chǎng)景的目標(biāo)檢測(cè)與認(rèn)證任務(wù)。具體的研究?jī)?nèi)容和創(chuàng)新點(diǎn)包括如下幾個(gè)方面:(1)針對(duì)利用單線索生成類目標(biāo)窗口缺乏有效指導(dǎo)的問(wèn)題,本文研究了基于多線索的類目標(biāo)窗口生成方法。首先定義特征相似性函數(shù),并進(jìn)行圖像相似性排序。然后計(jì)算類目標(biāo)窗口與相似圖像的目標(biāo)窗口的外觀和空間匹配度,最后輸出高質(zhì)量的類目標(biāo)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(chǎng)景下生成的類目標(biāo)窗口置信度打分不高的難題。(2)針對(duì)復(fù)雜場(chǎng)景下圖像分辨率高、目標(biāo)小而稠密所帶來(lái)的難題,本文通過(guò)刻畫(huà)錨點(diǎn)和標(biāo)注的目標(biāo)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(diǎn)生成方法。并且考慮了更加豐富的語(yǔ)義信息,利用基于注意力機(jī)制的特征融合策略,提出了適用于小而稠密目標(biāo)的特征提取方法。同時(shí)引入目標(biāo)數(shù)量信息的監(jiān)督,提出了基于計(jì)數(shù)正則化的多任務(wù)損失函數(shù),進(jìn)一步提升復(fù)雜場(chǎng)景下稠密小目標(biāo)的檢測(cè)性能。(3)針對(duì)擁擠場(chǎng)景下目標(biāo)部件嚴(yán)重遮擋所帶來(lái)的挑戰(zhàn),本文研究了基于上下文信息的目標(biāo)檢測(cè)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(guò)對(duì)目標(biāo)個(gè)體穩(wěn)定性進(jìn)行建模,構(gòu)建了局部結(jié)構(gòu)化特征模塊。通過(guò)描述多個(gè)目標(biāo)的組間差異性,設(shè)計(jì)了全局自適應(yīng)模塊。該模型能夠有效檢測(cè)擁擠場(chǎng)景中人的頭部區(qū)域,并可以推廣到人臉檢測(cè)任務(wù)。(4)針對(duì)跨域場(chǎng)景的目標(biāo)檢測(cè)任務(wù),大多數(shù)現(xiàn)有的深度卷積網(wǎng)絡(luò)往往會(huì)出現(xiàn)“災(zāi)難性遺忘”難題。為此,本文對(duì)具有可遷移記憶能力的目標(biāo)檢測(cè)方法進(jìn)行了研究,提出了端對(duì)端訓(xùn)練的記憶神經(jīng)網(wǎng)絡(luò)模型,設(shè)計(jì)排序函數(shù),挖掘記憶單元。無(wú)論是單類還是多類目標(biāo)檢測(cè)問(wèn)題,本文提出的方法對(duì)學(xué)習(xí)到的目標(biāo)信息都具有記憶能力。(5)針對(duì)跨場(chǎng)景的視頻監(jiān)控場(chǎng)景,本文對(duì)目標(biāo)檢測(cè)和認(rèn)證任務(wù)展開(kāi)研究。通過(guò)設(shè)計(jì)語(yǔ)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(chǎng)景目標(biāo)檢測(cè)與認(rèn)證模型。該模型考慮了單個(gè)語(yǔ)義區(qū)域的外觀信息和各個(gè)語(yǔ)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(diǎn)。在外表、視角、姿態(tài)、光照變化的情況下,仍然能夠檢測(cè)到標(biāo)簽一致的目標(biāo)。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP18

【相似文獻(xiàn)】

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(hào)檢測(cè)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(cè)影響的貯存-檢測(cè)模型及其參數(shù)估計(jì)[J];湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年02期

3 董斯維;郭斌;余力;;個(gè)性化推薦攻擊檢測(cè)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(cè)模型[J];計(jì)算機(jī)與應(yīng)用化學(xué);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(cè)模型[J];工礦自動(dòng)化;2010年01期

6 張強(qiáng);;一種利用特征選擇改進(jìn)的行人檢測(cè)模型[J];微型機(jī)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(cè)模型研究與仿真[J];計(jì)算機(jī)仿真;2016年10期

8 嚴(yán)侃;雷江濤;;基于時(shí)頻分析的水聲目標(biāo)被動(dòng)檢測(cè)模型研究[J];魚(yú)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(cè)模型[J];計(jì)算機(jī)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(yè)木馬檢測(cè)模型[J];信息安全與通信保密;2012年12期

相關(guān)會(huì)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(cè)模型[A];第十六屆全國(guó)核電子學(xué)與核探測(cè)技術(shù)學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2012年

2 王建平;張自立;魏華;;戰(zhàn)術(shù)空域沖突檢測(cè)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(cè)模型研究[A];第十八次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)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(fēng)險(xiǎn)檢測(cè)模型[A];第十屆中國(guó)通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2014年

5 范淵;凌霄;;Android程序安全檢測(cè)模型[A];第28次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)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(cè)模型[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（下）[C];2008年

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

8 周雙娥;熊國(guó)平;;基于Petri網(wǎng)的故障檢測(cè)模型的設(shè)計(jì)與分析[A];第六屆中國(guó)測(cè)試學(xué)術(shù)會(huì)議論文集[C];2010年

9 廖鵬;;基于異常特征的DDoS檢測(cè)模型[A];經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變與自主創(chuàng)新——第十二屆中國(guó)科學(xué)技術(shù)協(xié)會(huì)年會(huì)（第四卷）[C];2010年

10 王心覺(jué);;應(yīng)用LabVIEW的建筑結(jié)構(gòu)健康檢測(cè)模型和預(yù)警系統(tǒng)實(shí)驗(yàn)[A];2015年上海-西安聲學(xué)學(xué)會(huì)第四屆聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2015年

相關(guān)重要報(bào)紙文章 前3條

1 賽迪出版?zhèn)髅绞紫浾?郭濤;預(yù)見(jiàn)性安全“又快又好”[N];中國(guó)計(jì)算機(jī)報(bào);2018年

2 中聯(lián)綠盟、李群;IDS的關(guān)鍵：解決好誤報(bào)和漏報(bào)[N];中國(guó)計(jì)算機(jī)報(bào);2002年

3 ;文化力是決定成敗的關(guān)鍵因素[N];常州日?qǐng)?bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 李威;復(fù)雜場(chǎng)景目標(biāo)檢測(cè)理論與方法研究[D];電子科技大學(xué);2019年

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

3 周曉飛;基于機(jī)器學(xué)習(xí)的視覺(jué)顯著性檢測(cè)研究[D];上海大學(xué);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(cè)模型研究[D];西安電子科技大學(xué);2018年

5 鄧濤;基于視覺(jué)注意的駕駛場(chǎng)景顯著性檢測(cè)模型研究[D];電子科技大學(xué);2018年

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

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

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

9 李濤;基于上下文的目標(biāo)檢測(cè)研究[D];電子科技大學(xué);2016年

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

相關(guān)碩士學(xué)位論文 前10條

1 田野;基于多層特征融合預(yù)測(cè)的實(shí)時(shí)人臉檢測(cè)模型研究[D];電子科技大學(xué);2019年

2 李陽(yáng);基于深度學(xué)習(xí)的有遮擋人臉五官定位算法研究[D];電子科技大學(xué);2019年

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

4 陶方艦;基于深度學(xué)習(xí)的Webshell檢測(cè)技術(shù)研究[D];海南大學(xué);2019年

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

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

7 張小強(qiáng);基于格式塔理論的視覺(jué)顯著檢測(cè)模型研究[D];江西財(cái)經(jīng)大學(xué);2019年

8 丁冠群;基于視覺(jué)注意力的視頻異常檢測(cè)模型研究[D];江西財(cái)經(jīng)大學(xué);2019年

9 黃亞?wèn)|;蒙古馬奶常規(guī)營(yíng)養(yǎng)成分檢測(cè)與NIR快速檢測(cè)模型建立[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2019年

10 嚴(yán)海;基于深度學(xué)習(xí)的靜態(tài)圖像目標(biāo)檢測(cè)研究[D];華北電力大學(xué);2019年

，

本文編號(hào)：2671530