隨著計(jì)算機(jī)視覺技術(shù)的高速發(fā)展,目標(biāo)檢測在公共安防、智慧城市、交通控制等眾多領(lǐng)域得到廣泛應(yīng)用。與此同時(shí),深度學(xué)習(xí)算法的發(fā)展使得目標(biāo)檢測系統(tǒng)的性能遠(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)算法,并進(jìn)一步推動(dòng)了目標(biāo)檢測的應(yīng)用。然而,由于大部分應(yīng)用場景存在大量小像素目標(biāo),這類目標(biāo)信息量少,并且特征不明顯,小像素目標(biāo)的檢測仍然是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)挑戰(zhàn)。本文首先提出了兩種常用場景下的小目標(biāo)檢測算法;其次,采集小目標(biāo)數(shù)據(jù)集,并將本文提出的算法應(yīng)用于人臉檢測數(shù)據(jù)集、公開無人機(jī)場景數(shù)據(jù)集和實(shí)驗(yàn)采集數(shù)據(jù)集,計(jì)算小目標(biāo)檢測的客觀指標(biāo);最后,將算法植入智能終端硬件系統(tǒng),設(shè)計(jì)并編寫對(duì)應(yīng)軟件,實(shí)現(xiàn)了小目標(biāo)檢測算法的應(yīng)用。主要研究內(nèi)容如下:（1）提出一種基于改進(jìn)型生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Networks,GAN）的小臉檢測算法SG-FACE。該算法首先將圖像中像素較小的目標(biāo),通過生成對(duì)抗網(wǎng)絡(luò)生成高分辨目標(biāo),然后將新目標(biāo)作為人臉檢測網(wǎng)絡(luò)的輸入,通過“中心凹”特征融合結(jié)構(gòu)與多尺度檢測結(jié)構(gòu),進(jìn)一步完成人臉檢測。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的人臉檢測相比,本文提出的SG-FACE小臉檢測器不僅準(zhǔn)確率高,而且漏檢率低。該檢測... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１?ＲＡＩＳＥ數(shù)據(jù)集圖片示例??

?第２填基干改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的小臉檢測???川是對(duì)輸入的數(shù)則樣木進(jìn)ｆｒ判斷，判斷此樣本足來ｒ＿｜ｊ？訓(xùn)練數(shù)據(jù)還是非訓(xùn)練數(shù)??據(jù)，最終以概率的形式表達(dá)出來。Ｍ＇ｌ判別網(wǎng)絡(luò)對(duì)其輸入的數(shù)據(jù)判別為屬于訓(xùn)練數(shù)??掘時(shí)，模型輸出的Ｄ為大概率；當(dāng)判別網(wǎng)絡(luò)對(duì)其判別為非訓(xùn)練數(shù)據(jù)時(shí)，模型輸??出的Ｄ為小概率；當(dāng)概率為５０％的時(shí)候，判別網(wǎng)絡(luò)就是在亂猜。最終生成網(wǎng)絡(luò)??所生成的數(shù)據(jù)成功騙過判別網(wǎng)絡(luò)，就達(dá)到數(shù)據(jù)生成的目的，如圖２．３所示：??ｒ?＼?ｒ?＼??〇模型?Ｉ）模型??嘗試輸出Ｉ?嘗試輸出０??－２〇．．．．：．ｒ?＿〇ｐｉ?ｌ?Ｊ?Ｌ?Ｊ?：〇〇?…ｏｏｊ??：）〇?二二?ＯＯｉ?ｉ?Ｉ?ｆ?）〇〇？？－〇：〇??微分函數(shù)Ｉ）?微分函數(shù)Ｄ??！〇〇?？？？?ｏｃＭ?Ｊ?１?」〇〇?？？？〇〇??ｍ?ｍ－?ｆ?＇］?ｒ?彳?＿??ｂ翁－ｒ?ｌ?Ｊ?ｌ?Ｊ?．ｒ??…ｏｃ??微分函數(shù)ｆ；??Ｊ?：〇〇?…ｏｏ??乂?－?＂??（＾ＤＯ?…ＯＯ??ｙ?＇?輸入噪聲Ｚ??發(fā)？?＊?？?？?？?？?ｚ??■?．?＾?＇．?．?：?＼?ｙ?＂??—一—＇??圖２．３?ＧＡＮ?＿結(jié)構(gòu)閣??（ｉ）訓(xùn)練過程??訓(xùn)練過程中，耑耍在真實(shí)數(shù)據(jù)進(jìn)行兩次的隨機(jī)采樣。第？個(gè)隨機(jī)采樣之后??的數(shù)據(jù)標(biāo)簽的標(biāo)注為真實(shí)數(shù)據(jù)。第二個(gè)隨機(jī)采樣的數(shù)據(jù)，我們?cè)诖蓑K礎(chǔ)上加入噪??聲的丨？擾，記為假數(shù)據(jù)Ｄ（ｚ）Ｇ（ｚ）。將兩組數(shù)據(jù)輸入到判別網(wǎng)絡(luò)中，對(duì)其進(jìn)行數(shù)掘??的與假判斷。如果判別網(wǎng)絡(luò)認(rèn)為輸入的數(shù)椐為原始數(shù)據(jù)，那么判別網(wǎng)絡(luò)的輸出為??Ｉ，反之為０。最后根據(jù)判別網(wǎng)絡(luò)得出的概率值計(jì)算損失函數(shù)。??生

?第２章基于改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的小臉檢測???１?ｈａ．ｉ－?ｒｅｓ２?ｒｅｓ３＋ｒｅ．ｓ２?ｒｅｓ４－ｒｒｅ．ｓ３＋ｒｅｓ２?ｒｅｓ５＋ｒｃｓ４＋ｒｅｓ３＋ｒｅ．ｓ２??

【參考文獻(xiàn)】：
期刊論文
[1]深層卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法綜述[J]. 張澤苗,霍歡,趙逢禹.  小型微型計(jì)算機(jī)系統(tǒng). 2019(09)
[2]基于深度學(xué)習(xí)的目標(biāo)檢測算法研究進(jìn)展[J]. 謝娟英,劉然.  陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(05)
[3]基于SSD模型的人臉檢測與頭部姿態(tài)估計(jì)融合算法[J]. 方陽,劉英杰,孫立博,秦文虎.  江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[4]基于優(yōu)化YOLOv3的低空無人機(jī)檢測識(shí)別方法[J]. 馬旗,朱斌,張宏偉,張楊,姜雨辰.  激光與光電子學(xué)進(jìn)展. 2019(20)
[5]基于深度學(xué)習(xí)目標(biāo)檢測與跟蹤技術(shù)的研究[J]. 師燕妮.  電子設(shè)計(jì)工程. 2019(06)
[6]改進(jìn)的SSD航拍目標(biāo)檢測方法[J]. 裴偉,許晏銘,朱永英,王鵬乾,魯明羽,李飛.  軟件學(xué)報(bào). 2019(03)
[7]基于深度學(xué)習(xí)的復(fù)雜背景雷達(dá)圖像多目標(biāo)檢測[J]. 周龍,韋素媛,崔忠馬,房嘉奇,楊小婷,楊龍.  系統(tǒng)工程與電子技術(shù). 2019(06)
[8]遙感圖像中飛機(jī)的改進(jìn)YOLOv3實(shí)時(shí)檢測算法[J]. 戴偉聰,金龍旭,李國寧,鄭志強(qiáng).  光電工程. 2018(12)
[9]基于深度學(xué)習(xí)的安全帽檢測方法研究[J]. 郝存明,朱繼軍,張偉平.  河北省科學(xué)院學(xué)報(bào). 2018(03)
[10]改進(jìn)的YOLOv3紅外視頻圖像行人檢測算法[J]. 王殿偉,何衍輝,李大湘,劉穎,許志杰,王晶.  西安郵電大學(xué)學(xué)報(bào). 2018(04)

碩士論文
[1]用于目標(biāo)檢測的深度學(xué)習(xí)算法優(yōu)化研究[D]. 黃寧波.長春理工大學(xué) 2018
[2]基于深度學(xué)習(xí)的目標(biāo)檢測與分割算法研究[D]. 王若辰.北京工業(yè)大學(xué) 2016
[3]基于深度學(xué)習(xí)的目標(biāo)檢測算法研究及應(yīng)用[D]. 萬維.電子科技大學(xué) 2015



本文編號(hào)：3396942