室內(nèi)環(huán)境下的物體感知是室內(nèi)移動(dòng)機(jī)器人必須具備的能力之一,其中物體檢測(cè)是機(jī)器人在人機(jī)交互、導(dǎo)航和路徑規(guī)劃以及運(yùn)動(dòng)控制方面等方面起到重要作用。本文在現(xiàn)有的算法的基礎(chǔ)上,改進(jìn)了一種新的物體檢測(cè)算法,該算法用神經(jīng)網(wǎng)絡(luò)來(lái)提取候選區(qū)域,并用分類多特征融合+PCA+SVM算法來(lái)進(jìn)行分類。本文針對(duì)室內(nèi)物體檢測(cè)進(jìn)行了研究,其主要研究工作有:（1）對(duì)VGG16網(wǎng)絡(luò)模型的全連接層進(jìn)行了修改,用修改后的網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練網(wǎng)絡(luò)模型,并用訓(xùn)練好的模型提取fc7層的特征作為卷積神經(jīng)網(wǎng)絡(luò)（CNN）特征。由于VGG16網(wǎng)絡(luò)在ImageNet上訓(xùn)練出的model已經(jīng)公布,因此本文采用這個(gè)公開(kāi)的model中的卷積層參數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行初始化,即進(jìn)行增量學(xué)習(xí)。（2）改進(jìn)了一種基于多特征融合的SVM分類算法,該算法將HOG特征、LBP特征和CNN特征進(jìn)行融合,將得到的新特征用PCA進(jìn)行降維處理,然后用SVM分類器訓(xùn)練出分類模型。本文將改進(jìn)的這種“CNN特征+HOG特征+LBP特征+SVM分類器”的分類算法與RPN結(jié)合時(shí),在室內(nèi)物體檢測(cè)上取得了良好的檢測(cè)效果,檢測(cè)性能優(yōu)于普通的CNN模型+RPN算法。（3）研究了在進(jìn)行多特征融合時(shí)的參數(shù)改變... 

【文章來(lái)源】：武漢工程大學(xué)湖北省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文結(jié)構(gòu)關(guān)系圖

圖 2-1 大腦皮層感知信息圖[54]由 Hinton 在 2006 年《Science》上發(fā)表的一是用神經(jīng)網(wǎng)絡(luò)來(lái)模擬人類大腦進(jìn)行學(xué)習(xí)，神類似。在物體檢測(cè)和物體分類上得到了廣泛

+1n+1圖 2-3 全連接與局部連接示意圖絡(luò)中，上一層節(jié)點(diǎn)與所有下一層節(jié)點(diǎn)連接在一起的全局特征，局部連接可以減少大量的參數(shù)。也是卷積神經(jīng)網(wǎng)絡(luò)中一個(gè)非常重要的方法。如圖

【參考文獻(xiàn)】：
期刊論文
[1]基于前向后向算子分裂的稀疏性正則化圖像超分辨率算法[J]. 孫玉寶,費(fèi)選,韋志輝,肖亮.  自動(dòng)化學(xué)報(bào). 2010(09)
[2]基于詞典學(xué)習(xí)和稀疏表示的超分辨率方法[J]. 浦劍,張軍平.  模式識(shí)別與人工智能. 2010(03)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車牌字符識(shí)別研究[J]. 趙志宏,楊紹普,馬增強(qiáng).  系統(tǒng)仿真學(xué)報(bào). 2010(03)

碩士論文
[1]基于級(jí)聯(lián)深度神經(jīng)網(wǎng)絡(luò)的人臉驗(yàn)證算法研究與應(yīng)用[D]. 吳夢(mèng)露.武漢工程大學(xué) 2017



本文編號(hào)：3571964