深度學(xué)習(xí)技術(shù)得益于算力的提升和大數(shù)據(jù)時(shí)代的到來,取得了重大突破,尤其是以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的計(jì)算機(jī)視覺領(lǐng)域得到迅猛地發(fā)展,并在目標(biāo)檢測(cè),目標(biāo)分割等多個(gè)任務(wù)上取得了遠(yuǎn)超傳統(tǒng)算法的效果。但是由于深度學(xué)習(xí)算法需要海量的數(shù)據(jù)進(jìn)行訓(xùn)練,待檢測(cè)目標(biāo)的多尺度變化帶來了新的挑戰(zhàn)。通常情況下,研究人員從卷積網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì),數(shù)據(jù)處理,卷積操作三個(gè)方面來解決多尺度問題。在卷積網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)方面,并行設(shè)計(jì)讓網(wǎng)絡(luò)使用盡量少的參數(shù)的同時(shí)提取到目標(biāo)的多尺度特征,串行設(shè)計(jì)使得不同尺度的特征信息得以融合,多尺度預(yù)測(cè)在不同尺度的特征圖上進(jìn)行預(yù)測(cè)。本文以此為基礎(chǔ),設(shè)計(jì)了一種輕量級(jí)的多尺度目標(biāo)檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu),該網(wǎng)絡(luò)同時(shí)考量計(jì)算復(fù)雜度和模型效果,在尺度變化較大的COCO數(shù)據(jù)集上得到了雙贏的結(jié)果。在數(shù)據(jù)處理方面,基于裁剪和縮放的算法使得不同尺度的目標(biāo)在相同尺度下進(jìn)行預(yù)測(cè)。在面對(duì)極小目標(biāo)和“超大圖像”時(shí),通過有效的切片操作,使得圖像不需要經(jīng)過下采樣直接進(jìn)行預(yù)測(cè)。本文在切片算法的基礎(chǔ)上提出了一種切片融合算法,可以將被切分的目標(biāo)融合為完整的目標(biāo),解決了原本算法不可以有效檢測(cè)“超大圖像”中尺度變化目標(biāo)的問題。在卷積操作方面,可變形卷積通過對(duì)卷... 

【文章來源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

目標(biāo)檢

江南大學(xué)碩士學(xué)位論文2(a)(b)圖1-2語義分割任務(wù)示意圖實(shí)例分割的目的是判斷在單張圖片或者連續(xù)圖片（視頻）中，感興趣的單個(gè)或者多個(gè)物體是否存在，如果存在，需要將感興趣的單個(gè)或者多個(gè)物體的具體像素位置在圖片中標(biāo)注出來。通常情況下我們使用一個(gè)同原圖像長寬相同的單通道二值矩陣對(duì)一個(gè)感興趣物體的實(shí)例分割結(jié)果進(jìn)行標(biāo)注，未出現(xiàn)感興趣物體的像素使用0表示，出現(xiàn)感興趣物體的像素用1表示。若有若干個(gè)感興趣物體，則需要若干個(gè)單通道二值矩陣表示實(shí)例分割的結(jié)果。如圖1-3所示，圖[1]中包含多個(gè)感興趣的物體，如人，自行車，道路，草地，天等，當(dāng)我們感興趣的目標(biāo)為人和自行車時(shí)，語義分割的任務(wù)就是將不同個(gè)體的人和自行車所在的像素點(diǎn)位置識(shí)別出來，并用單通道二值矩陣表示。(a)(b)圖1-3語義分割任務(wù)示意圖目標(biāo)檢測(cè)和實(shí)例分割這兩項(xiàng)任務(wù)所需要識(shí)別的對(duì)象都是單獨(dú)的個(gè)體，需要算法不僅要識(shí)別出來感興趣的物體是什么類別，而且要把相同類別的不同個(gè)體分隔開來。語義分割和實(shí)例分割這兩項(xiàng)任務(wù)對(duì)于被識(shí)別的對(duì)象來說，對(duì)于位置的識(shí)別比檢測(cè)中用矩形框表示的“大概的位置”更加嚴(yán)格，需要得到被識(shí)別對(duì)象的確切邊緣信息�？梢哉f實(shí)例分割是目標(biāo)檢測(cè)和語義分割這兩項(xiàng)任務(wù)綜合起來得到的一個(gè)任務(wù)，事實(shí)上，深度學(xué)習(xí)中語義分割算法也是由目標(biāo)檢測(cè)算法和語義分割算法發(fā)展而來。通常把計(jì)算機(jī)及信息技術(shù)革命稱之為第三次工業(yè)革命，在信息技術(shù)的浪潮下，人們的生活發(fā)生翻天覆地的變化。擁有視覺能力是人類賴以生存的技能，將信息技術(shù)應(yīng)

江南大學(xué)碩士學(xué)位論文2(a)(b)圖1-2語義分割任務(wù)示意圖實(shí)例分割的目的是判斷在單張圖片或者連續(xù)圖片（視頻）中，感興趣的單個(gè)或者多個(gè)物體是否存在，如果存在，需要將感興趣的單個(gè)或者多個(gè)物體的具體像素位置在圖片中標(biāo)注出來。通常情況下我們使用一個(gè)同原圖像長寬相同的單通道二值矩陣對(duì)一個(gè)感興趣物體的實(shí)例分割結(jié)果進(jìn)行標(biāo)注，未出現(xiàn)感興趣物體的像素使用0表示，出現(xiàn)感興趣物體的像素用1表示。若有若干個(gè)感興趣物體，則需要若干個(gè)單通道二值矩陣表示實(shí)例分割的結(jié)果。如圖1-3所示，圖[1]中包含多個(gè)感興趣的物體，如人，自行車，道路，草地，天等，當(dāng)我們感興趣的目標(biāo)為人和自行車時(shí)，語義分割的任務(wù)就是將不同個(gè)體的人和自行車所在的像素點(diǎn)位置識(shí)別出來，并用單通道二值矩陣表示。(a)(b)圖1-3語義分割任務(wù)示意圖目標(biāo)檢測(cè)和實(shí)例分割這兩項(xiàng)任務(wù)所需要識(shí)別的對(duì)象都是單獨(dú)的個(gè)體，需要算法不僅要識(shí)別出來感興趣的物體是什么類別，而且要把相同類別的不同個(gè)體分隔開來。語義分割和實(shí)例分割這兩項(xiàng)任務(wù)對(duì)于被識(shí)別的對(duì)象來說，對(duì)于位置的識(shí)別比檢測(cè)中用矩形框表示的“大概的位置”更加嚴(yán)格，需要得到被識(shí)別對(duì)象的確切邊緣信息。可以說實(shí)例分割是目標(biāo)檢測(cè)和語義分割這兩項(xiàng)任務(wù)綜合起來得到的一個(gè)任務(wù)，事實(shí)上，深度學(xué)習(xí)中語義分割算法也是由目標(biāo)檢測(cè)算法和語義分割算法發(fā)展而來。通常把計(jì)算機(jī)及信息技術(shù)革命稱之為第三次工業(yè)革命，在信息技術(shù)的浪潮下，人們的生活發(fā)生翻天覆地的變化。擁有視覺能力是人類賴以生存的技能，將信息技術(shù)應(yīng)


本文編號(hào)：3231569