目標(biāo)檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要分支,其目的是對(duì)圖像中的物體進(jìn)行分類并對(duì)其定位。隨著深度學(xué)習(xí)的發(fā)展,基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks,簡稱CNN）的目標(biāo)檢測(cè)算法逐漸興起,其效果較傳統(tǒng)的算法,有了明顯的提升,但是卷積神經(jīng)網(wǎng)絡(luò)巨大的計(jì)算量使得其在實(shí)際應(yīng)用中遇到了一定的障礙。另一方面,當(dāng)下的自然場景文本檢測(cè)工作主要集中在漢字和英文方面,關(guān)于維吾爾文檢測(cè)的研究寥寥無幾。基于當(dāng)前這種現(xiàn)狀,本文采用經(jīng)過改進(jìn)的YOLO V3算法,實(shí)現(xiàn)對(duì)自然場景圖像中維吾爾文的準(zhǔn)確且快速的檢測(cè),并設(shè)計(jì)實(shí)現(xiàn)了自然場景中維吾爾文檢測(cè)系統(tǒng)。本文所做的工作內(nèi)容大致如下:（1）本文優(yōu)化了YOLO V3算法的網(wǎng)絡(luò)結(jié)構(gòu),進(jìn)一步提高了維吾爾文的檢測(cè)精度。這里引入密集型模塊（Dense Block）,代替YOLO V3網(wǎng)絡(luò)結(jié)構(gòu)中的Res Block,通過對(duì)圖像特征信息的多次重復(fù)利用,達(dá)到提高檢測(cè)精度的目的;受原網(wǎng)絡(luò)結(jié)構(gòu)中多尺度預(yù)測(cè)的啟發(fā)以及發(fā)現(xiàn)其感受野單一的問題,通過使用含有擴(kuò)張卷積（dilated convolution）的Trident Networks（三分支網(wǎng)絡(luò)或三叉戟網(wǎng)絡(luò)）的三分... 

【文章來源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：56 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

YOLOV3算法思想流程圖

Upsampling LayerFurther Layers圖 2-12 YOLO V3 網(wǎng)絡(luò)結(jié)構(gòu)圖YOLO V3 的檢測(cè)模塊借鑒了 FPN 網(wǎng)絡(luò)的思想，通過上采樣，實(shí)現(xiàn)多尺度預(yù)測(cè)。所謂的 FPN 網(wǎng)絡(luò)是由自底向上（down-top）的網(wǎng)絡(luò)，自頂向下（top-dow

Dense-Trident-YOLOV3的網(wǎng)絡(luò)

【參考文獻(xiàn)】：
期刊論文
[1]遙感圖像中飛機(jī)的改進(jìn)YOLOv3實(shí)時(shí)檢測(cè)算法[J]. 戴偉聰,金龍旭,李國寧,鄭志強(qiáng).  光電工程. 2018(12)
[2]改進(jìn)YOLO V3遙感圖像飛機(jī)識(shí)別應(yīng)用[J]. 鄭志強(qiáng),劉妍妍,潘長城,李國寧.  電光與控制. 2019(04)
[3]基于優(yōu)化YOLO方法機(jī)場跑道目標(biāo)檢測(cè)[J]. 蔡成濤,吳科君,嚴(yán)勇杰.  指揮信息系統(tǒng)與技術(shù). 2018(03)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的火災(zāi)預(yù)警算法研究[J]. 林作永,諶瑤.  信息通信. 2018(05)
[5]基于YOLOv2的復(fù)雜場景下車輛目標(biāo)檢測(cè)[J]. 李云鵬,侯凌燕,王超.  電視技術(shù). 2018(05)
[6]基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器人平面抓取位姿快速檢測(cè)[J]. 夏晶,錢堃,馬旭東,劉環(huán).  機(jī)器人. 2018(06)
[7]基于深度學(xué)習(xí)的多視窗SSD目標(biāo)檢測(cè)方法[J]. 唐聰,凌永順,鄭科棟,楊星,鄭超,楊華,金偉.  紅外與激光工程. 2018(01)
[8]基于SSD的行人檢測(cè)方法[J]. 朱敏.  科學(xué)技術(shù)創(chuàng)新. 2017(36)
[9]基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法綜述[J]. 周曉彥,王珂,李凌燕.  電子測(cè)量技術(shù). 2017(11)
[10]一種基于改進(jìn)式SSD算法的穩(wěn)態(tài)檢測(cè)方法[J]. 楊雯宇,邱天,段海洋,李南,李錦鵬.  自動(dòng)化技術(shù)與應(yīng)用. 2017(02)

碩士論文
[1]基于深度學(xué)習(xí)的自然場景中維吾爾文檢測(cè)[D]. 彭勇.新疆大學(xué) 2018
[2]基于物體檢測(cè)的圖像檢索算法[D]. 張宇.西安電子科技大學(xué) 2017
[3]目標(biāo)檢測(cè)網(wǎng)絡(luò)SSD的區(qū)域候選框的設(shè)置問題研究[D]. 翁昕.西安電子科技大學(xué) 2017
[4]室內(nèi)場景下行人檢測(cè)與跟蹤技術(shù)的研究[D]. 張巖.北京工業(yè)大學(xué) 2017
[5]基于HLS的Tiny-yolo卷積神經(jīng)網(wǎng)絡(luò)加速研究[D]. 張麗麗.重慶大學(xué) 2017
[6]基于HOG特征提取的車輛檢測(cè)方法研究[D]. 劉家旭.華北電力大學(xué) 2017
[7]復(fù)雜背景圖像中的維語檢測(cè)研究[D]. 劉順.山東大學(xué) 2016
[8]基于Haar和Hog的監(jiān)控視頻人流統(tǒng)計(jì)[D]. 董浩.合肥工業(yè)大學(xué) 2016
[9]基于HOG和Haar-like融合特征的車輛檢測(cè)[D]. 楊慧.南京郵電大學(xué) 2013



本文編號(hào)：3076219