廣告牌作為一種傳統(tǒng)而經典的廣告投放模式,具有受眾廣泛,投放便利,觀看人員流動性大,職業(yè)和人群針對性強等特征,一直是廣告宣傳的重要方式。在掃碼支付的流行風潮中,如何保持廣告牌的經典活力,成為廣告商和監(jiān)管部門關注的要點。論文基于卷積神經網絡技術,仍然以某企業(yè)廣告牌識別的需求為背景,在本課題組先期以傳統(tǒng)算法為核心的工作基礎上,本文引入基于卷積神經網絡的深度學習算法模型展開研究。首先,本文研究了建立相應系統(tǒng)所采取的各項技術和識別圖像所具有的基本流程;第二,分析了在移動平臺上進行針對廣告牌識別的具體需求,以及適應復雜應用環(huán)境和實時準確性的要求;第三,在上述研究和分析的基礎上提出了將深度學習神經網絡模型拆分并分配至客戶端與服務端的識別系統(tǒng)方案;第四,論文對該方案進行了詳細的設計并具體實現了C/S架構的廣告牌實時識別系統(tǒng);最后,論文對所涉及實現的系統(tǒng)進行了相關測試,測試表明該系統(tǒng)通過改造拆分tiny-yolo模型,在客戶端進行一定層數的卷積運算,避免了大規(guī)模數據上傳,與傳統(tǒng)算法和非分割型神經網絡算法相比執(zhí)行效率有所提升,達到了實時性的性能要求,也能應對復雜拍攝環(huán)境。 

【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：57 頁

【學位級別】：碩士

【部分圖文】：

一個標準的神經元和一個標準的三層神經網絡模型

[18]，作為一個標志性的模型，其具有許多特色和優(yōu)勢。該體系最終模型如圖 2-2 所示。圖 2-2 R-CNN 體系的目前最終成果，Faster R-CNN從圖 2-2 模型可以看出，其卷積網絡不再局限于前五層，RoI 機制也被獨立的目標區(qū)域提取網絡所取代，根據目標區(qū)域提取網絡返回的結果，回到特征圖截取指定區(qū)域，再經過處理后，作為分類器的輸入。這樣的做法同時保證了區(qū)域提取網絡輸入的相對穩(wěn)定，目標識別區(qū)域的高效率提取以及有針對性的目標物體識別，從而使 Faster R-CNN 具有了其獨特的優(yōu)勢，即使在被提出數年后仍在許多領域有重要的應用

也保證了其所提供的代碼的健壯性和可移植性；OpenCV 向真實世界的實際應用環(huán)境提供支持，充分利用了 C 語言高效執(zhí)行的優(yōu)勢。在本文的應用環(huán)境里，OpenCV主要用于提供圖像采集先期處理所使用的標準函數，并輔助 CUDA 為神經網絡的執(zhí)行提供加速。主流圖像處理手段，含神經網絡的實現模式，在使用不同常見類庫進行實現時的性能對比如圖 2-3 所示。

【參考文獻】：
期刊論文
[1]面向邊緣計算的嵌入式FPGA卷積神經網絡構建方法[J]. 盧冶,陳瑤,李濤,蔡瑞初,宮曉利.  計算機研究與發(fā)展. 2018(03)
[2]面向網絡邊緣應用的新一代神經網絡——微型二值神經網絡在保持低功耗的同時減少對存儲器的需求[J]. Hussein Osman.  電子產品世界. 2018(01)
[3]基于深度學習的圖像自動標注算法[J]. 楊陽,張文生.  數據采集與處理. 2015(01)
[4]超分辨率圖像重建方法綜述[J]. 蘇衡,周杰,張志浩.  自動化學報. 2013(08)
[5]我國網絡廣告市場現狀及發(fā)展趨勢[J]. 馬艷.  今傳媒. 2009(02)
[6]高斯濾波穩(wěn)健性能的研究與改進[J]. 李惠芬,蔣向前,李柱.  儀器儀表學報. 2004(05)

博士論文
[1]基于深度學習的圖像特征學習和分類方法的研究及應用[D]. 馮子勇.華南理工大學 2016

碩士論文
[1]基于深度卷積神經網絡的道路場景物體檢測方法研究[D]. 孫貴賓.北方工業(yè)大學 2017



本文編號：2971164