目前,在計(jì)算機(jī)視覺(jué)領(lǐng)域,主流的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)算法專(zhuān)注于目標(biāo)的識(shí)別和定位,且大多數(shù)采用軸對(duì)齊包圍盒定位目標(biāo),而為了對(duì)圖像做更深刻的語(yǔ)義理解,需要獲取目標(biāo)的方向信息。而很多基于CNN的對(duì)目標(biāo)方向估計(jì)的研究,直接對(duì)指示目標(biāo)方向的方向角θ進(jìn)行回歸和預(yù)測(cè),而角度值在0°和360°附近存在數(shù)值上的大跳變,會(huì)對(duì)網(wǎng)絡(luò)引入誤差,因此,本文提出一種針對(duì)圖像目標(biāo)方向估計(jì)的新方法,采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)目標(biāo)方向角θ的兩個(gè)單調(diào)連續(xù)的方向分量(sinθ,cosθ)進(jìn)行回歸。由于方向角的兩個(gè)分量之間存在平方和為1的函數(shù)約束,即在神經(jīng)網(wǎng)絡(luò)中又引入了新的問(wèn)題——輸出約束問(wèn)題,事實(shí)上很多應(yīng)用有都存在輸出約束問(wèn)題。針對(duì)此問(wèn)題,本文具體分析出現(xiàn)輸出約束的情況,將其分為輸出在值域上具有范圍約束的弱約束和輸出分量間具有確切函數(shù)約束的強(qiáng)約束,并針對(duì)每種約束,提出一般性方法改造傳統(tǒng)CNN,構(gòu)建約束性卷積神經(jīng)網(wǎng)絡(luò)(ConstrainedConvolutional NeuralNetwork,CCNN),來(lái)解決這類(lèi)帶有輸出約束的問(wèn)題,提高網(wǎng)絡(luò)模型的適應(yīng)度。方法有輸出轉(zhuǎn)換法和在... 

【文章來(lái)源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１傳統(tǒng)包圍盒與傾斜包圍盒的對(duì)比圖??

圖２－１．卷積神經(jīng)網(wǎng)絡(luò)的一種基本結(jié)構(gòu)??圖２－１所示的是ＣＮＮ的一種基本結(jié)構(gòu)，其中包括卷積層、池化層和全連接??

誤差反向傳播的基本思想

【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)



本文編號(hào)：2922736