隨著近幾年人工智能的興起以及快速的發(fā)展,深度學(xué)習(xí)的研究方法逐步的和一些計(jì)算機(jī)領(lǐng)域的傳統(tǒng)研究方向深度融合,取得了一些不錯(cuò)的成果。計(jì)算機(jī)視覺(jué)領(lǐng)域是深度學(xué)習(xí)最早取得突破的領(lǐng)域。隨著計(jì)算機(jī)硬件的發(fā)展,計(jì)算機(jī)硬件能力的提升和成本的降低也使得深度學(xué)習(xí)所需的計(jì)算能力更易于獲取。在計(jì)算機(jī)視覺(jué)領(lǐng)域中不斷地有各種關(guān)于卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)識(shí)別上的應(yīng)用,從最早出現(xiàn)的Alex Net網(wǎng)絡(luò)模型到如今基于端到端的SSD網(wǎng)絡(luò)模型,關(guān)于目標(biāo)識(shí)別的研究獲得了快速的發(fā)展�；谏疃葘W(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)由于具有可靠的優(yōu)勢(shì),即更高的準(zhǔn)確率、以及更強(qiáng)的魯棒性,同時(shí)還有實(shí)時(shí)性,逐漸取代了傳統(tǒng)的目標(biāo)檢測(cè)技術(shù)。但是,面對(duì)新的技術(shù)變革就有產(chǎn)生新的挑戰(zhàn),隨著復(fù)雜場(chǎng)景的出現(xiàn),由于深度學(xué)習(xí)所訓(xùn)練的數(shù)據(jù)集大部分是基于現(xiàn)有的數(shù)據(jù)集進(jìn)行訓(xùn)練和預(yù)測(cè)的,因此往往在針對(duì)中小目標(biāo)占比的特征信息進(jìn)行預(yù)測(cè)時(shí)會(huì)遺漏很多細(xì)節(jié)特征,從而導(dǎo)致相關(guān)的網(wǎng)絡(luò)模型的檢測(cè)能力受到制約。這也成為了提升并優(yōu)化網(wǎng)絡(luò)模型時(shí)所必須面對(duì)的一個(gè)關(guān)鍵問(wèn)題。因此,針對(duì)該問(wèn)題本文主要從兩方面進(jìn)行了相關(guān)的研究工作:(1)本文在對(duì)經(jīng)典的目標(biāo)檢測(cè)網(wǎng)絡(luò)進(jìn)行研究分析后,選擇了當(dāng)下最為流行的多尺度卷積特征檢測(cè)的網(wǎng)絡(luò)...

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 論文結(jié)構(gòu)安排
    1.5 本章小結(jié)
第2章 關(guān)于深度學(xué)習(xí)目標(biāo)檢測(cè)的相關(guān)理論基礎(chǔ)
    2.1 深度學(xué)習(xí)概述
    2.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論
        2.2.1 神經(jīng)元基本模型
        2.2.2 前向傳播算法
        2.2.3 反向傳播算法
    2.3 卷積網(wǎng)絡(luò)的相關(guān)理論
        2.3.1 卷積網(wǎng)絡(luò)中的基本操作
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)模型
    2.4 深度學(xué)習(xí)的網(wǎng)絡(luò)模型
    2.5 深度學(xué)習(xí)相關(guān)的技術(shù)
    2.6 本章小結(jié)
第3章 基于SSD模型的目標(biāo)檢測(cè)的研究與改進(jìn)
    3.1 對(duì)SSD網(wǎng)絡(luò)模型的分析
        3.1.1 對(duì)選用的VGG主干網(wǎng)絡(luò)分析
        3.1.2 對(duì)SSD中各個(gè)卷積層的分析
    3.2 改進(jìn)的SSD模型設(shè)計(jì)
        3.2.1 先驗(yàn)框和損失函數(shù)的設(shè)計(jì)
        3.2.2 淺層卷積檢測(cè)層設(shè)計(jì)
    3.3 實(shí)驗(yàn)驗(yàn)證及分析
    3.4 本章小結(jié)
第4章 基于目標(biāo)區(qū)域特征放大的改進(jìn)SSD模型
    4.1 對(duì)改進(jìn)的SSD網(wǎng)絡(luò)模型進(jìn)一步分析
    4.2 對(duì)于SSD模型的網(wǎng)絡(luò)模型的設(shè)計(jì)
    4.3 淺層卷積層輸出的目標(biāo)區(qū)域放大機(jī)制
    4.4 采用特征映射方法的最終網(wǎng)絡(luò)模型設(shè)計(jì)
        4.4.1 淺層特征輸出目標(biāo)區(qū)域的調(diào)整機(jī)制
        4.4.2 網(wǎng)絡(luò)模型最終設(shè)計(jì)
    4.5 實(shí)驗(yàn)驗(yàn)證及分析
    4.6 本章總結(jié)
第5章 總結(jié)及展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄



本文編號(hào)：3898644