【摘要】：目標(biāo)檢測(cè)在智能交通、圖像檢索與分析和智能機(jī)器人等領(lǐng)域中有著廣泛的應(yīng)用。魚(yú)群檢測(cè)作為目標(biāo)檢測(cè)的一種實(shí)際應(yīng)用,對(duì)于探測(cè)湖泊和海洋中魚(yú)群活動(dòng)規(guī)律,以及分析魚(yú)群規(guī)模和種類具有極大地應(yīng)用價(jià)值。由于水下魚(yú)群圖像對(duì)比度較低以及存在小目標(biāo)魚(yú)群的情況,傳統(tǒng)特征提取方法精度較低并且時(shí)間復(fù)雜度較高,魚(yú)群檢測(cè)算法研究面臨著較大挑戰(zhàn)。本文通過(guò)改進(jìn)SSD算法,研究基于雙目視覺(jué)魚(yú)群圖像的融合檢測(cè)方法。主要工作包括:(1)實(shí)現(xiàn)了基于端到端深度學(xué)習(xí)模型的實(shí)時(shí)魚(yú)群檢測(cè)方法。本文利用YOLO(You Only Look Once)算法和SSD(Single Shot Multibox Detector)算法提取魚(yú)群圖像特征并做魚(yú)群目標(biāo)檢測(cè)。在水下魚(yú)群數(shù)據(jù)集Labeled fish in the wild中進(jìn)行驗(yàn)證,結(jié)果表明利用YOLO模型和SSD模型對(duì)魚(yú)群特征提取與檢測(cè),檢測(cè)精度分別達(dá)到88.7%和92%,檢測(cè)速度分別為30FPS和35FPS。SSD算法查全率可以達(dá)到42.7%,比YOLO提高約30%,這表明SSD算法在魚(yú)群目標(biāo)漏檢方面較YOLO算法有明顯改進(jìn)。(2)提出了一種改進(jìn)的SSD算法。針對(duì)卷積神經(jīng)網(wǎng)絡(luò)提取小目標(biāo)魚(yú)群引起的漏檢問(wèn)題,本文借助SSD模型提取的多個(gè)卷積層構(gòu)建特征金字塔,對(duì)多層特征進(jìn)行融合,利用高層特征增強(qiáng)低層的語(yǔ)義表達(dá)能力,提升小尺寸魚(yú)群目標(biāo)檢測(cè)精度。在水下魚(yú)群數(shù)據(jù)庫(kù)Labeled fish in the wild中進(jìn)行驗(yàn)證,檢測(cè)精度與查全率較原始SSD算法分別提升了2.7%與30%,處理速度為22FPS。(3)提出了一種基于雙目視覺(jué)的魚(yú)群檢測(cè)方法。針對(duì)傳統(tǒng)的雙目圖像拼接方法在低對(duì)比度圖像上容易出現(xiàn)偽影的問(wèn)題,本文借助改進(jìn)的SSD算法提取低對(duì)比度雙目魚(yú)群圖像特征,依據(jù)神經(jīng)網(wǎng)絡(luò)感受野特性,建立特征匹配雙塔模型和反向傳播機(jī)制,將高層特征匹配結(jié)果逐級(jí)映射到低層,限制每個(gè)特征層的特征匹配計(jì)算范圍,提高低層特征層匹配精度。在水下魚(yú)群數(shù)據(jù)集Labeled fish in the wild上,本文方法和基于VGG16的拼接方法進(jìn)行魚(yú)群融合檢測(cè),檢測(cè)精度分別為90.3%和80.4%。這表明本文算法在低對(duì)比度魚(yú)群圖像的拼接和檢測(cè)精度上有明顯提升,可以有效地抑制拼接偽影的出現(xiàn)。(4)實(shí)現(xiàn)了基于深度學(xué)習(xí)的魚(yú)群探測(cè)系統(tǒng)。在現(xiàn)實(shí)應(yīng)用場(chǎng)景中,本文基于流行的深度學(xué)習(xí)開(kāi)源框架Tensorflow訓(xùn)練水下魚(yú)群圖像檢測(cè)模型,并結(jié)合WCF框架搭建魚(yú)群探測(cè)系統(tǒng),實(shí)現(xiàn)了魚(yú)群實(shí)時(shí)探測(cè)。
【學(xué)位授予單位】：蘇州科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 寧紀(jì)鋒;趙耀博;石武禎;;多通道Haar-like特征多示例學(xué)習(xí)目標(biāo)跟蹤[J];中國(guó)圖象圖形學(xué)報(bào);2014年07期

相關(guān)博士學(xué)位論文 前1條

1 荊丹翔;基于識(shí)別聲吶的魚(yú)群目標(biāo)檢測(cè)跟蹤方法[D];浙江大學(xué);2018年

相關(guān)碩士學(xué)位論文 前1條

1 張進(jìn);基于雙頻識(shí)別聲納DIDSON的魚(yú)群定量評(píng)估技術(shù)[D];上海海洋大學(xué);2012年

本文編號(hào)：2799936