目前,相比于普通機(jī)器學(xué)習(xí)算法,深度學(xué)習(xí)類算法具有更高的研究?jī)r(jià)值,但其在應(yīng)用中也面臨著不可回避的問(wèn)題:深度學(xué)習(xí)依賴大規(guī)模數(shù)據(jù)的支持,小樣本訓(xùn)練出的模型表現(xiàn)出的性能往往較為低下。而某些情況下,大規(guī)模樣本的獲取工作較為困難。例如紅外場(chǎng)景下的圖像數(shù)據(jù),其實(shí)拍圖像獲取成本高,難以獲取各種不同條件下的數(shù)據(jù)。因此對(duì)于該領(lǐng)域的圖像處理問(wèn)題,深度學(xué)習(xí)算法的應(yīng)用則顯得力不從心。而通過(guò)圖像仿真的方法可以較快捷地獲取大規(guī)模圖像數(shù)據(jù),并且可以根據(jù)需要添加各種場(chǎng)景因素,因此使用仿真圖像作為深度學(xué)習(xí)算法數(shù)據(jù)集的方式有待于深入研究。由于仿真圖像與實(shí)拍圖像存在一定差異,因此本文探討了仿真圖像作為深度學(xué)習(xí)算法數(shù)據(jù)集的可行性。本文從目標(biāo)識(shí)別檢測(cè)任務(wù)入手,選取了數(shù)據(jù)稀缺、難以通過(guò)實(shí)拍的方式獲得的目標(biāo)領(lǐng)域——紅外場(chǎng)景下的艦船目標(biāo)進(jìn)行了圖像仿真,并使用仿真得到的大量樣本對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型算法進(jìn)行了訓(xùn)練。在算法方面,選取了現(xiàn)存成熟的深度學(xué)習(xí)目標(biāo)識(shí)別檢測(cè)類算法——SSD算法進(jìn)行測(cè)試。本文通過(guò)互聯(lián)網(wǎng)資源獲得了少量實(shí)拍紅外艦船數(shù)據(jù)作為小樣本,驗(yàn)證了小樣本訓(xùn)練的方式在深度學(xué)習(xí)算法下表現(xiàn)出的性能,并通過(guò)仿真大量樣本的方式進(jìn)行了性能對(duì)比,說(shuō)明... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Sigmoid函數(shù)圖像

圖2.5 Tanh 函數(shù)圖像函數(shù)是在 Sigmoid 函數(shù)同期提出的，其特點(diǎn)也與 Sigmoid 函數(shù)類點(diǎn)，這也正是其優(yōu)點(diǎn)，但是仍然存在梯度趨于 0 的區(qū)域。ReLU型：y max(0,x )像：

圖2.5 Tanh 函數(shù)圖像函數(shù)是在 Sigmoid 函數(shù)同期提出的，其特點(diǎn)也與 Sigmoid 函數(shù)類點(diǎn)，這也正是其優(yōu)點(diǎn)，但是仍然存在梯度趨于 0 的區(qū)域。ReLU型：y max(0,x )像：

【參考文獻(xiàn)】：
期刊論文
[1]多波段紅外圖像的海面艦船目標(biāo)檢測(cè)[J]. 仇榮超,婁樹(shù)理,李廷軍,宮劍.  光譜學(xué)與光譜分析. 2019(03)
[2]基于改進(jìn)多尺度特征圖的目標(biāo)快速檢測(cè)與識(shí)別算法[J]. 單倩文,鄭新波,何小海,滕奇志,吳曉紅.  激光與光電子學(xué)進(jìn)展. 2019(02)
[3]紅外視頻中的艦船檢測(cè)[J]. 石超,陳恩慶,齊林.  光電工程. 2018(06)
[4]淺談機(jī)器學(xué)習(xí)研究現(xiàn)狀與發(fā)展趨勢(shì)[J]. 陳勇濤,郭曉穎,陶慧杰.  中國(guó)新通信. 2018(08)
[5]基于深度卷積網(wǎng)絡(luò)的目標(biāo)檢測(cè)綜述[J]. 吳帥,徐勇,趙東寧.  模式識(shí)別與人工智能. 2018(04)
[6]基于深度學(xué)習(xí)的小樣本聲紋識(shí)別方法[J]. 李靚,孫存威,謝凱,賀建飚.  計(jì)算機(jī)工程. 2019(03)
[7]機(jī)器學(xué)習(xí)綜述[J]. 趙晨陽(yáng).  數(shù)字通信世界. 2018(01)
[8]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[9]應(yīng)用圖像融合與多樣性的艦船顯著性檢測(cè)[J]. 郭少軍,婁樹(shù)理,劉峰.  液晶與顯示. 2016(10)
[10]深度學(xué)習(xí)研究概述[J]. 劉鈺鵬.  信息與電腦(理論版). 2016(03)

碩士論文
[1]用于機(jī)器學(xué)習(xí)中圖像識(shí)別的虛擬樣本算法研究及應(yīng)用[D]. 鄭儒楠.南京航空航天大學(xué) 2017



本文編號(hào)：3304220