如今監(jiān)控視頻已經(jīng)普及到我們生活中的各個(gè)角落,隨著監(jiān)控設(shè)備大量的投入使用,如何保證龐大的監(jiān)控系統(tǒng)處于正常工作狀態(tài)已成為研究的熱點(diǎn)課題,通過對(duì)現(xiàn)有的文獻(xiàn)資料研究分析,影響監(jiān)控視頻圖像質(zhì)量異常有多種因素,有人為以及環(huán)境的影響,在設(shè)備投入的長時(shí)間使用中其本身也會(huì)出現(xiàn)各種各樣的硬件故障,可以通過對(duì)視頻圖像的分析從而發(fā)現(xiàn)設(shè)備的故障情況,以提高維護(hù)人員的工作效率,所以對(duì)圖像異常的研究分析有著實(shí)際的意義,在目前的監(jiān)控視頻圖像質(zhì)量檢測方法中,大多需要大量前期的圖像預(yù)處理工作如特征提取等,并且易受圖像場景以及自然環(huán)境因素的影響,雖然能夠在一定程度上識(shí)別出異常圖像,但是影響圖像質(zhì)量的原因有很多,而由于人工干預(yù)太多增加了方法的主觀性,導(dǎo)致其應(yīng)用起來有著太多的局限性,并且建模比較復(fù)雜,而采用深度學(xué)習(xí)的方法能夠有效的避免這些問題。論文通過構(gòu)建深度學(xué)習(xí)模型來進(jìn)行圖像異常識(shí)別,主要的研究工作有,首先對(duì)深度學(xué)習(xí)的基礎(chǔ)模型、使用工具caffe框架以及深度學(xué)習(xí)方法的分析,通過對(duì)采集到的監(jiān)控視頻圖像分析,主要有偏色和攝像機(jī)角度兩種異常情況,并通過人工將采集到的正常圖像模擬了馬賽克、清晰度、高斯噪聲和椒鹽噪聲異常類型,然后對(duì)其... 

【文章來源】：昆明理工大學(xué)云南省

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Sigmoid函數(shù)曲線圖

圖 2.6 Sigmoid 函數(shù)曲線圖nh 函數(shù) 函數(shù)基本上與 Sigmoid 函數(shù)有著像同的性質(zhì)，不同的是 Tanh非零均值的問題，將輸入的實(shí)值壓縮到（-1,1）之間，使其收對(duì)于梯度消失的問題依然沒有解決，數(shù)學(xué)表達(dá)式為，tanh 2.7 所示：

0的數(shù)據(jù)壓縮為 0，大于0的數(shù)據(jù)保持不變且導(dǎo)數(shù)為恒定值t 網(wǎng)絡(luò)中就得到了非常不錯(cuò)的效果，相比于 sigmoid/tanh 激 收斂速度更快并且梯度不會(huì)出現(xiàn)飽和現(xiàn)象，其次是 ReLU 閾值就能得到激活值，而不需要通過復(fù)雜的指數(shù)運(yùn)算，加算速度，根據(jù)生物神經(jīng)網(wǎng)絡(luò)對(duì)輸入信號(hào)具有選擇性響應(yīng)的8]，能夠屏蔽掉部分輸入信號(hào)使其學(xué)習(xí)率的精度得到提高，性，更接近生物神經(jīng)特性，由于 ReLU 函數(shù)使部分神經(jīng)元的參數(shù)之間的依賴關(guān)系使過擬合現(xiàn)象得到緩解，但是也存在“壞死”現(xiàn)象，由于 ReLU 在x < 0時(shí)其梯度被置為 0，使任何數(shù)據(jù)激活，導(dǎo)致權(quán)重參數(shù)不再能更新，可以通過設(shè)置整，每種激活函數(shù)都有其各自的特點(diǎn)，在實(shí)際應(yīng)用中需要激活函數(shù)。


本文編號(hào)：3409301